基于深度学习的人机交互话术文本分类

发布时间：2025-03-19 05:55

　　随着计算机技术和人工智能技术的突飞猛进,越来越多的智能产品走入人们的生活,人类俨然进入人机交互时代。如何从人机交互话术文本中获取有用的信息,让机器能够快速、准确的做出反应,已经成为学者和商业公司关注的焦点。本文主要研究在TCL智能电视场景下人机交互话术文本分类的相关技术,打破先前采用单一模型进行分类的局限性,提出了一种智能电视场景下的分类决策系统,重点研究分类决策系统中的层级分类模块。本文的主要工作有:1.首先,介绍文本分类的基本概念,文本语言模型,Word2vec词向量训练工具的基本原理以及深度学习中常用的分类模型。其次,采用k-means算法对收集到的人机交互话术文本进行聚类,初步确定文本数据类别。然后,分析人机交互话术文本的数据特点并结合智能电视的业务场景,对人机交互话术文本进行边界确定,划分出数据模块。最后,根据数据模块所具有的特点,提出具有针对性的决策分类系统。实验证明,决策分类系统对TCL智能电视场景下的人机交互话术文本分类的准确率达到了99.98%,相比于textCNN模型和textRNN模型,分类的准确率提高了19.99%-27.33%。2.设计结合字向量和词向量的双通道...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图2.11神经网络语语言模型

1NNLM将-2,,,inwvv：拼接向量V果通过tan中间向量m矩阵S以及目标单i-1w拼接成向通过与隐nh函数进行将做为S及偏置矩阵图2.1词iw的向量V，用i-n1wVv隐藏层的权重行非线性激活mtanSoftMax层阵sb....

图2.22CBOW模型

型是利用目,tktww1,,tktkw来看类似中的非线性得到的词第目标单词周11,...,ktkw1...,,tktww似于NNLM性隐藏层。词向量是平均第二章相关知周围的单词去,tkw来计算))k的概率M....

图2.3Skiip-gram模型

NN可以使权西安电子图2.3Ski的人工神经自动学习能自然语言处卷积神经网网络模型。tionNeural的性能不能够LeCun等人分类问题上其在识别任视觉处理系统和提取2维NN具有权数。最重要基于梯度的权重高度优子科技大学硕12ip-gram模型经网络和训能力和灵活....

图2.4卷积神经网网络结构图

进行选择第图2.4积神经网络结的特征提取组成一个2维积层上的每卷积神经网征图接着进入层和池化层使用Soft-Ma相应类的输出积层主要是对数据经过一个输入的特征图ljxf出，l-1ix前一的输入映射积核进行运算择性输出。卷图2.5卷第二章相关知13卷积神经网结构图[36]....

本文编号：4036769