联合BERT与Seq2Seq模型的情感对话生成研究

声明

第1章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 对话生成的研究现状

1.2.2 情感对话生成的研究现状

1.3 主要研究内容

1.4 组织结构

第2章 相关理论与技术

2.1 文本表示

2.1.1 离散表示

2.1.2 分布式表示

2.1.3 中文分词

2.2 经典神经网络模型

2.2.1 卷积神经网络

2.2.2 循环神经网络

2.3 Seq2Seq模型

2.3.1 Encoder–Decoder框架

2.3.2 基础Seq2Seq模型

2.3.3 注意力机制

2.3.4 Beam Search算法

2.4 BERT模型

2.4.1 Transformer

2.4.2 BERT模型结构

2.4.3 BERT模型输入

2.5 本章小结

第3章 联合BERT与Seq2Seq的对话生成研究

3.1 问题描述

3.2 联合BERT与Seq2Seq的对话生成模型

3.2.1 模型结构

3.2.2 基于双向GRU的编码器

3.2.3 BERT模块

3.2.4 融合单元

3.3 实验结果与分析

3.3.1 实验数据集

3.3.2 对比实验模型

3.3.3 实验参数设置

3.3.4 模型评价指标

3.3.5 实验结果分析

3.4 本章小结

第4章 联合BERT与Seq2Seq的层次情感对话生成

4.1 问题描述

4.2 联合BERT与Seq2Seq的层次情感对话生成模型

4.2.1 模型结构

4.2.2 层次情感编码

4.2.3 基于BERT的情感分类器

4.2.4 情感损失函数

4.3 实验结果与分析

4.3.1 实验数据集

4.3.2 对比实验模型

4.3.3 实验参数设置

4.3.4 模型评价指标

4.3.5 实验结果与分析

4.4 本章小结

结论

二、下一步工作的展望

参考文献

附录A 发表论文和参加科研情况说明

致谢