文献类型：期刊文章

作　　者：吴邦誉[1] 周越[1] 赵群飞[1] 张朋柱[2]

WU Bangyu;ZHOU Yue;ZHAO Qunfei;ZHANG Pengzhu(Key Laboratory of System Control and Information Processing,Department of Automation,Shanghai Jiao Tong University, Shanghai 200240,China;College of Management Information System, Antai College of Economics and Management,Shanghai Jiao Tong University,Shanghai 200240, China)

机构地区：[1]上海交通大学自动化系系统控制与信息处理教育部重点实验室,上海200240 [2]上海交通大学安泰经济与管理学院管理信息系统系,上海200240

出　　处：《中文信息学报》

基　　金：国家自然科学基金(91646205)

年　　份：2019

卷　　号：33

期　　号：5

起止页码：113-121

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：对话是自然语言处理的一个重要研究领域,其成果已经得到广泛的应用。然而中文对话模型训练时由于字词数量庞大,必然会面临模型复杂度过高的问题。为解决此问题,该文首先将对话模型的汉字输入转化为拼音输入并将拼音分为声母、韵母和声调三个部分,以此减小输入的字词数量。然后以嵌入编码的方法将拼音信息组合为图像形式,再通过全卷积神经网络(FCN)和双向Long Short Term Memory(LSTM)网络提取拼音特征。最后采用4层的Gated Recurrent Units(GRU)网络对拼音特征进行解码以解决长时记忆问题,得到对话模型的输出。在此基础上,模型在解码阶段加入了注意力机制,使模型的输出可以更好地与输入进行对应。为对提出的中文对话模型进行评价,该文建立了应用于医疗领域的中文对话数据库,并以BLEU和ROUGE_L为评价指标在该数据库上对模型进行了测试。

关 键 词：对话模型  拼音特征  注意力机制  

分 类 号：TP391]