面向共融機器人的自然交互 — 人機對話意圖理解

徐華

  • 出版商: 清華大學
  • 出版日期: 2022-04-01
  • 定價: $288
  • 售價: 7.9$228
  • 貴賓價: 7.5$216
  • 語言: 簡體中文
  • ISBN: 7302601100
  • ISBN-13: 9787302601104
  • 相關分類: 機器人製作 Robots
  • 立即出貨 (庫存 < 3)

  • 面向共融機器人的自然交互 — 人機對話意圖理解-preview-1
  • 面向共融機器人的自然交互 — 人機對話意圖理解-preview-2
  • 面向共融機器人的自然交互 — 人機對話意圖理解-preview-3
面向共融機器人的自然交互 — 人機對話意圖理解-preview-1

買這商品的人也買了...

商品描述

共融機器人是能夠與作業環境、人和其他機器人自然交互、自主適應復雜動態環境並協同作業的機器人。“敏銳體貼型”的自然交互是共融服務機器人的研究熱點問題之一。當前迫切需要機器人與人具有交互對話意圖的理解能力。本書立足基於深度學習方法的人機理解領域,從人機對話意圖理解出發,系統介紹了人機對話中的意圖識別、未知意圖檢測和新意圖發現的方法。 本書是國內共融機器人自然交互領域第一本系統介紹交互對話意圖分析的專業書籍,可為讀者提供共融機器人研究領域人機對話意圖分析的關鍵技術和基礎知識,追蹤該領域的發展前沿提供重要的學習和研究參考。

目錄大綱

目錄

 

 

第一篇概述

第1章對話系統3

第2章意圖識別6

2.1意圖特徵表示相關研究綜述6

2.1.1離散式表示7

2.1.2分佈式表示8

2.1.3小結13

2.2已知意圖分類方法研究綜述13

2.2.1基於單模型的對話意圖分類模型研究綜述13

2.2.2基於雙模型的對話意圖分類模型研究綜述14

2.2.3小結14

2.3未知意圖檢測研究綜述14

2.3.1基於傳統判別式模型的未知意圖檢測15

2.3.2基於電腦視覺領域開放集識別的未知意圖檢測15

2.3.3基於領域外樣本檢測的未知意圖類型檢測16

2.3.4基於其他方法的未知意圖類型檢測16

2.3.5小結16

2.4未知意圖類型發現研究綜述17

2.4.1基於無監督聚類的未知意圖類型發現17

2.4.2基於半監督聚類的未知意圖類型發現18

2.4.3小結19

2.5本章小結19

第二篇意 圖 分 類

第3章基於單模型的意圖分類23

3.1引言23

3.2不同神經網絡模型的對比24

3.2.1基線系統24

3.2.2基於神經網絡語言模型的話語分類器24

3.2.3基於RNN的話語分類器25

3.2.4基於LSTM和GRU的話語分類器25

3.3實驗25

3.3.1數據集和評價指標25

3.3.2實驗設置26

3.3.3實驗結果27

3.4本章小結29

目錄  面向共融機器人的自然交互——人機對話意圖理解  第4章用於意圖分類和槽位填充的雙RNN語義分析框架31

4.1引言31

4.2意圖分類和槽位填充任務方法31

4.2.1基於深度神經網絡的意圖分類方法31

4.2.2基於循環神經網絡的槽位填充方法32

4.2.3兩個任務的聯合學習模型32

4.3用於聯合語義框架解析的雙模型RNN結構32

4.3.1帶有解碼器的雙模型結構32

4.3.2無解碼器的雙模型結構34

4.3.3異步訓練34

4.4對比實驗35

4.4.1數據集和評價指標35

4.4.2實驗設置35

4.4.3實驗結果36

4.5本章小結37第三篇未知意圖檢測

第5章基於模型後處理的未知意圖檢測方法41

5.1引言41

5.2基於模型後處理的未知意圖檢測方法41

5.2.1基於深度神經網絡的意圖分類器42

5.2.2SofterMax激活函數44

5.2.3深度新穎檢測模塊46

5.2.4Platt Scaling聯合預測47

5.3實驗48

5.3.1任務與數據集48

5.3.2實驗設置49

5.3.3實現結果與分析51

5.4本章小結57

第6章基於深度度量學習的對話意圖發現58

6.1引言58

6.2模型的框架結構58

6.3元特徵表示59

6.3.1意圖特徵表示59

6.3.2計算簇中心向量59

6.3.3計算元特徵表示60

6.4餘弦分類器60

6.5深度度量學習61

6.5.1角度邊際損失函數61

6.5.2距離邊際損失函數63

6.6訓練及預測64

6.6.1聯合目標訓練64

6.6.2基於置信度閾值的意圖預測64

6.7實驗結果與分析65

6.7.1實驗數據集65

6.7.2評估方法66

6.7.3基準方法66

6.7.4參數設定67

6.7.5實驗結果與分析67

6.8本章小結70

第7章基於大邊際餘弦損失函數的未知意圖檢測方法71

7.1引言71

7.2基於大邊際餘弦損失函數的未知意圖檢測模型71

7.2.1角度邊際損失函數72

7.2.2大邊際餘弦損失函數74

7.3實驗77

7.3.1任務與數據集77

7.3.2實驗設置77

7.3.3實驗結果與分析78

7.4本章小結79

第8章基於動態約束邊界的未知意圖檢測方法80

8.1引言80

8.2模型的框架結構80

8.3動態約束邊界的定義81

8.4深度意圖特徵學習82

8.5約束邊界學習83

8.6訓練及預測83

8.6.1交互式訓練83

8.6.2基於動態約束邊界的意圖預測84

8.7基於動態約束邊界的對話意圖發現85

8.7.1實驗數據集85

8.7.2評估方法85

8.7.3基準方法86

8.7.4參數設定86

8.7.5實驗結果與分析86

8.8本章小結89

第四篇未知意圖發現

第9章基於自監督約束聚類的未知意圖發現模型93

9.1引言93

9.2用於自監督的約束聚類方法93

9.2.1Transformer雙向編碼器94

9.2.2成對相似性預測94

9.2.3基於KL散度的聚類精煉96

9.3實驗97

9.3.1任務與數據集97

9.3.2實驗設置98

9.3.3實驗結果與分析100

9.4本章小結108

第五篇對話意圖識別平臺

第10章基於深度學習的對話意圖識別實驗平臺113

10.1引言113

10.2開放意圖識別平臺114

10.2.1數據管理114

10.2.2模型115

10.2.3訓練和評估117

10.2.4結果分析117

10.3總體框架120

10.4實驗121

結束語122

參考文獻123

附錄A英文縮寫對照表132

附錄B圖索引134

附錄C表索引136