计算机毕设项目 Attention机制的LSTM语义模型安卓聊天机器人的实现


0 前言

基于Attention机制的LSTM语义模型安卓聊天机器人的实现

提示:适合用于课程设计或毕业设计,工作量达标,源码开放

项目分享:

https://gitee.com/asoonis/feed-neo


1 研究目标

随着智能移动设备的快速发展,移动端的用户期望更加人性化的设备使用体验以及通过自然语言与计算机沟通交流。基于来自互联网的大量短对话数据,通过计算图框架Tensorflow实现基于Encoder-Decoder的LSTM网络单元模型生成式聊天机器人,并设计一款Android客户端聊天机器人软件,结果表明移动端聊天机器人的可行性和有效性。

2 研究方法

本文对常用的检索式和生成式两种实现方式进行对比,基于主流的实现聊天机器人所采用的生成式技术框架,本文主要使用Encoder-Decoder端到端的模型,它可以对中间的词法分析、句法分析省略,并减少了对序列的过多假设和猜想,十分高效。

在实现Encoder-Decoder框架时并结合LSTM神经元网络,在此基础上添加Word Embedding词嵌入、Attention注意力机制、Beam Search集束搜索算法等,解决了信息传递、人格一致性和回答多样性问题。

3 研究结论

本文主要设计了一款智能聊天机器人软件,在智能聊天机器人的关键技术上做了一些研究,利用文本词向量表示技术和Encoder-Decoder框架下LSTM训练并生成对话。
在这里插入图片描述

项目分享:

https://gitee.com/asoonis/feed-neo

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值