导读:本文包含了网络对话论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,模型,量子,序列,西南地区,网络,机制。
网络对话论文文献综述
记者,魏玉婷[1]（2019）在《国资国企如何助推“旅游兴市”？网络对话给你解答》一文中研究指出本报讯（记者 魏玉婷）10月31日，市国资委、大佛旅投集团、峨眉山旅游股份有限公司等相关负责人做客乐山新闻网海棠社区会客厅，与网友共话市国资国企如何改革发展，助推“旅游兴市”。“我们想问问，国资国企是如何做好文旅融合、扩容提质、景城一体、全域旅游(本文来源于《乐山日报》期刊2019-11-01）
刘彤[2]（2019）在《一场跨越京湘的网络对话》一文中研究指出此次京湘两地政协以互联网为依托，共话政协工作提质增效，是落实全国两会精神，推动政协工作创新发展的具体实践。湖南省政协运用现代信息技术，通过工作创新促进政协工作全面提质增效，特别是通过政协云打造“不落幕的政协全会”，打通了省市县叁级政协联动渠道，(本文来源于《人民政协报》期刊2019-04-12）
魏玉婷[3]（2018）在《“网络对话”为你答疑》一文中研究指出为缓解交通拥堵现象，进一步规范停车秩序，从12月1日起，乐山主城区将实行机动车停放差别化收费，运用价格杠杆动态调控交通流量。届时会根据时间和范围进行区域划分和时段划分，收费标准也各不相同。对此，很多市民和网友有许多疑问。为共同建设畅通乐山、助力(本文来源于《乐山日报》期刊2018-11-21）
陈振舜,刘建明[4]（2018）在《基于意图的神经网络对话模型》一文中研究指出针对标准序列到序列(Seq2Seq)模型在开放域对话中倾向于生成无意义的通用型回答,提出了基于意图类别的序列到序列(Intent-Seq2Seq)对话生成方法。模型通过神经网络将意图类别转换为向量形式,该意图向量将作用于每步的解码过程,使对话模型生成与意图相关的回答,并能够增加结果的多样性。模型训练阶段使用DailyDialog语料中标注的意图类别,测试阶段通过指定不同的意图令模型生成特定的应答。实验结果表明,Intent-Seq2Seq模型的对话生成效果优于标准Seq2Seq模型,在Perplexity和BLEU指标上分别提高了10.2%和9.1%。(本文来源于《桂林电子科技大学学报》期刊2018年05期）
李建福[5]（2018）在《基于单模压缩态和GHZ态的连续变量量子网络对话协议研究》一文中研究指出信息技术的飞速发展加快了信息的传递与交流。经典的信息安全理论中,经典保密信道很难及时检测窃听者对传输信息的攻击。量子保密通信因具有更高的安全性受到了学术界、金融界、军事界等的广泛关注。利用量子特性设计的保密通信协议的无条件安全性由Heisenberg测不准原理和量子不可克隆定理等保证。量子对话是一种双向的量子安全直接通信模式,其中通信双方既是信息的发送方,又是信息的接收方。量子对话直接以量子态作为信息传输载体,不需要在通信前分享量子密钥,提高了协议效率。与离散变量量子对话协议相比,基于连续变量的量子对话协议拥有更高的传输效率和更低的信道损耗,并且在现有的条件下可以利用光学仪器实现。因此,连续变量量子对话协议成为当前的研究热点。本文在分析现有典型连续变量量子对话协议的基础上,分别基于连续变量单模压缩态和连续变量GHZ态设计了两个量子网络对话协议,并分析了协议的安全性。本文完成的主要工作如下:利用连续变量单模压缩态的量子特性,设计了一种新的量子网络对话协议。Alice制备多个单模压缩态,应用平衡零差检测后分别发送给Bob、Charlie等通信方,Bob、Charlie等通信方确认信道安全后将秘密信息编码到单模压缩态上,插入服从高斯分布的随机变量并发送给Alice。Alice、Bob、Charlie等通信方之间根据测量结果和拥有的光学模可以推断出对方的秘密信息。另外,每个通信方都可以选择任一个合法通信方进行量子对话。与基于离散变量的量子对话协议相比,该连续变量量子对话协议更容易实现。提出了一种基于连续变量GHZ态的量子网络对话协议。该协议允许多个合法通信方同时进行对话。GHZ态的纠缠特性保证该量子对话协议信息传输过程中无信息泄露。安全性分析表明该量子对话协议可以抵御分光镜攻击。(本文来源于《南昌大学》期刊2018-06-25）
李裕礞[6]（2018）在《基于用户画像的神经网络对话模型研究》一文中研究指出目前人们对于智能对话系统的研究越来越多,很多企业在尝试构建符合自己业务场景及需求的对话系统。智能对话系统在电商领域、智能家居等领域具有广泛应用,其与现有的电子设备及服务相结合,在理解人们语义的情况下,可以极大程度地丰富人们的生活。在用户画像方面,用户在互联网上产生的信息越来越多,从中可以挖掘出用户的很多属性及标签,这些信息具有极大的商业价值同时也对改进用户身边众多产品具有重要作用。本文着重研究问答型及闲聊型两类对话系统,并将用户画像中的用户属性分类模型与闲聊型对话系统相结合,提高对话的流畅性与多样性。对于问答型对话任务,本文提出了基于问题相似度匹配的两级模型。首先设计了一种结合同义词的检索模型来完成第一级检索任务,为次级模型提供可靠的高质量候选集,提高系统运行速度,同义词的加入也提高了模型检索问题的数量;然后构建多种相似度特征,提出了一种融合多种词表示及问题关键词信息的Attention网络模型完成第二级的问题相似度匹配任务。本文在人工构建的医疗问答数据集上进行了测试,实验表明,与传统逻辑回归模型、排序学习模型及常用深度学习模型相比,在输出答案的准确率及MAP值上均有提升。对于问答型对话系统中问答库难以收集的问题,本文也提出了一种半监督式的标准问题库构建方法,提高模型实用性。对于用户画像中的用户属性分类任务,本文提出了一种基于Attention的神经网络模型,可以在不依赖人工构建特征的情况下,完成用户不同属性的分类。对于与社交关系相关的用户属性,本文模型将文本信息与社交关系信息相结合,提高模型效果。实验表明,在SMP CUP 2016的评测数据集中,本文模型在用户性别、年龄及地域叁个属性的分类任务中超越了评测的最优结果,提升了分类的准确率。对于闲聊型对话任务,本文提出了一种基于用户属性的生成式对话模型。在EncoderDecoder结构的基础上,本文将用户属性分类模型产生的地域分布向量,增加到对话生成模型编解码的过程中,使对话模型能够学习到用户的地域信息,根据不同的地域分布向量,生成更具地域特色的回答。其中的编解码阶段均采用层级式的LSTM结构并结合Attention机制。在对话生成的过程中,采用Beam Search的方法提高对话的质量。本文在400万条微博评论语料上进行了训练,并与其他神经对话模型进行了对比,展示了多条回答示例及多样性指标,实验表明,本文模型有助于提高生成对话的流畅性及多样性。(本文来源于《大连理工大学》期刊2018-06-07）
巫思杏[7]（2018）在《一种神经网络对话系统中的低频词压缩方法》一文中研究指出近年来,基于深度神经网络的生成式对话系统受到了来自学术界和工业界的广泛关注。生成式对话系统通常被建模为序列到序列任务,即将用户的问话当做源序列,回答用户的回复做为目标序列。Encoder-Decoder是当前用于实现生成式对话的主流框架,由两部分组成,Encoder负责理解用户的问话文本,Decoder负责生成一个新的文本回复用户。目前大部分基于Encoder-Decoder框架的生成式对话系统采用词级别模型,即将对话中的文本表示为词向量序列,通过维护一个包含词向量的词表来理解或产生一个对应的词。受限于当前计算机硬件发展的限制,词表通常只能被设计为有限容量,词表之外的词将会变成未登录词。由于词表中不包含未登录词的词向量,因此未登录词不能被Encoder理解,也不能被Decoder生成,最终影响对话系统的整体性能,降低对话系统的生成质量。为了解决生成式对话中的未登录词问题,并改善基于Encoder-Decoder的对话系统的性能,本文提出了基于低频词压缩表示的生成式对话模型HL-EncDec。HL-EncDec将未登录词归类为低频词,并利用语言中字符数目恒定且总量少的特性,将低频词压缩到字符级别表示。在Encoder端使用卷积神经网络和低频词对应的字符获得等效的词向量,在Decoder端将低频词分解为字符序列,从而解决未登录词无法被理解或生成的问题。随后,本文还针对HL-EncDec在高频词和低频词词向量获得方式较为简单的问题进行了改进,并提出改进版本HL-EncDec+。为了验证HL-EncDec和HL-EncDec+的效果,本文在一个包含300多万对数据的中文数据集上进行了实验,实验结果显示无论在自动化指标评价中还是人工评价中HLEncDec与HL-EncDec+均获得好于基准模型的成绩,证明了其有效性。(本文来源于《北京大学》期刊2018-06-01）
王光伟,葛颖,郭颖,许书云[8]（2017）在《采用网络对话式教学法讲解不确定原理的科学内涵》一文中研究指出不确定原理是量子力学基本原理之一,指出了两个共轭量不可能同时有确定的值,学界主流观点认为是粒子的波粒二象性的体现。在多年的理论物理教学中认识到,让学生理解和掌握不确定原理是一个难点。为了破解此难点,借助moodle网络平台,进行对话式教学法,在网上以学生提问+教师回答的方式,辅以图片、动画、视频和文献资料的传送,了解该原理的提出和简史、科学内涵、质疑等,收到了较好的教学效果。(本文来源于《科教导刊(上旬刊)》期刊2017年11期）
谢朝群,弗朗西斯科·宇斯[9]（2017）在《关于网络语用学的网络对话（英文）》一文中研究指出本次网络对话涉及语用学的一个新分支——网络语用学,重点讨论该研究领域的热门议题,包括网络输入文本的口语化、身份与自我的呈现、作为节点的网络用户以及关联与(不)礼貌之间的关系等。希望本次对话有助于澄清网络语用学研究中的几个核心概念,为网络语用学后续研究点明方向。(本文来源于《外国语言文学》期刊2017年02期）
罗楚威[10]（2017）在《语法信息增强的神经网络对话模型的研究》一文中研究指出对话回复的自动生成任务是自然语言处理领域的一个十分关键与困难的任务。它是自然语言生成任务中的一个方面,包含了对自然语言的理解、推理,以及对各种外部知识的应用。近些年来,能够生成像人类一样对话的回复语句的对话机器人越来越受到人们关注。给定一条对话的句子,生成一条这个句子的合适的回复,这就是回复生成任务。随着深度学习的发展,科研工作者利用Sequence to Sequence(Seq2Seq)框架构建的神经网络对话模型在对话回复自动生成任务上取得了极大的进展。我们知道,对句子的语法信息进行建模对神经网络对话模型生成更高语言质量、更加合适的回复是十分必要的。然而,现有的利用Seq2Seq框架的神经网络对话模型并没有将句子的语法信息考虑在内。在本文的研究中,将探索将语法信息加入到Seq2Seq神经网络对话模型之中,实现了语法信息增强的神经网络对话模型。本文首先尝试将序列语法信息融入Seq2Seq神经网络对话模型之中,提出了两个词性增强的神经网络对话模型POSEM-Ⅰ以及POSEM-Ⅱ。将序列语法信息表达为词性序列,同时在生成回复的过程中,依据生成的词性限制词汇的生成。本文随后探索了将带结构的语法信息融入基于注意力机制的Seq2Seq神经网络对话模型之中,提出了两个基于依存句法关系的神经网络对话模型RANM以及RAANM。通过依存分析树根节点对应的关键词扩展生成回复并且融入双重的注意力机制。最后,本文综合前两种方法,同时将序列语法信息与带结构的语法信息与基于注意力机制的Seq2Seq神经网络对话模型相结合,构建了语法信息增强的神经网络对话模型。实验表明,本文所提出的模型在Perplexity、BLEU值以及人工评测上都取得了相对已有的神经网络对话模型较好的效果,能够生成出语言质量更高、与待回复语句一致性更强、更加合适的回复。(本文来源于《武汉大学》期刊2017-05-01）
网络对话论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
此次京湘两地政协以互联网为依托，共话政协工作提质增效，是落实全国两会精神，推动政协工作创新发展的具体实践。湖南省政协运用现代信息技术，通过工作创新促进政协工作全面提质增效，特别是通过政协云打造“不落幕的政协全会”，打通了省市县叁级政协联动渠道，
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络对话论文参考文献
[1].记者,魏玉婷.国资国企如何助推“旅游兴市”？网络对话给你解答[N].乐山日报.2019
[2].刘彤.一场跨越京湘的网络对话[N].人民政协报.2019
[3].魏玉婷.“网络对话”为你答疑[N].乐山日报.2018
[4].陈振舜,刘建明.基于意图的神经网络对话模型[J].桂林电子科技大学学报.2018
[5].李建福.基于单模压缩态和GHZ态的连续变量量子网络对话协议研究[D].南昌大学.2018
[6].李裕礞.基于用户画像的神经网络对话模型研究[D].大连理工大学.2018
[7].巫思杏.一种神经网络对话系统中的低频词压缩方法[D].北京大学.2018
[8].王光伟,葛颖,郭颖,许书云.采用网络对话式教学法讲解不确定原理的科学内涵[J].科教导刊(上旬刊).2017
[9].谢朝群,弗朗西斯科·宇斯.关于网络语用学的网络对话（英文）[J].外国语言文学.2017
[10].罗楚威.语法信息增强的神经网络对话模型的研究[D].武汉大学.2017
论文知识图
