情感对话技术综述

情感对话技术着眼于对话机器人的“情商”,旨在让对话机器人具有像人类一样观察、理解和表达情感的能力.这项技术可以看作是情感计算和对话技术的交叉,兼顾对话机器人的“智商”和“情商”,从而实现对用户的精神陪伴、情感慰藉和心理疏导.结合对话中情感的特点,对情感对话技术进行全面解析:1)规划对话场景下的情感识别、情感管理、情感表达等3个重要的技术点,并拓展多模态场景下的情感对话技术.2)介绍情感对话4项关键技术的最新研究进展,并总结这些技术面临的主要挑战和可能解决方案.3)介绍情感对话技术的数据资源.4)分析情感对话技术的难点,展望其未来发展方向与前景.     

复合添加Yb和Ca对Mg-6Zn合金组织的影响

利用OM、SEM、EDS、XRD及DSC等测试方法研究了复合添加Yb和Ca对Mg-6Zn合金组织的影响。结果表明:Mg-6Zn-0.2Ca合金铸态组织主要由α-Mg、Mg7Zn3、MgZn2及MgZn等相组成,合金组织有被Ca细化趋势;复合添加微量Ca和Yb后,枝晶组织呈"花瓣"状,并随Yb含量增加,"花瓣"状组织明显增多,其晶粒稍有细化;经固溶处理(T4)后,Mg-6Zn-0.2Ca-xYb(x=0、1、1.5)合金组织由铸态时枝晶转变成等轴晶,与Mg-6Zn-0.2Ca合金相比,含Yb合金晶粒有明显粗化现象;Mg-6Zn-0.2Ca-1.5Yb合金中含有稳定的三元Mg-Zn-Yb化合物,初步认定该化合物中Zn、Yb的原子比在4~6之间。     

基于Visual C＋＋的虚拟PLC仿真软件开发

为了能够不依托于实际硬件可编程控制器来实现基于可编程控制器的控制,研究了利用Visual C++开发的虚拟可编程控制器仿真软件.研究了基于面向对象方法的梯形图的绘制技术,以及基于二叉树的梯形图向指令表的转换问题.十字路口交通灯的虚拟仿真表明,该虚拟可编程控制器仿真软件可以用于可编程控制器的实训和实验教学.     

基于序列到序列模型的句子级复述生成

句子复述是指将一个句子换一种表达方式,意思与之前一样.复述在自然语言处理中应用广泛,例如被应用在信息检索、自动文摘、信息抽取、句子翻译等任务中.本文主要研究句子级复述生成的相关内容,首先尝试了基本seq2seq模型用于句子复述,并尝试在encoder阶段采用双向LSTM,而且在此基础上加入注意力机制,比较句子生成结果,可以得出加入注意力机制的模型生成的效果要好.此外本文提出复制机制和覆盖机制对模型进行改进,其中复制机制旨在解决原句中出现人名、地名等特殊词汇的情况,这样情况研究希望模型可以对词进行复制,不进行改变,实验结果证明,复制机制对这一情况有所改善,句子生成效果较好,最后,针对seq2seq普遍存在的重复问题,在复制机制的基础上加入覆盖机制,有效改善了生成句子的重复问题.对于模型生成结果,采用BLEU值进行评价.     

中文篇章关系任务分析及语料标注

篇章关系（ Discourse Relation）是篇章语义分析的重要内容,本文在英文篇章关系研究的基础上分析了中英文间的差异,总结了中文篇章语义分析的特点,并在此基础上提出面向中文的层次化篇章关系体系,对其关系类型进行详细描述。在其基础上,研究构建包含1096篇语料的中文篇章关系语料库,为进一步的篇章语义分析工作奠定基础。     

基于依存分析和错误驱动的中文时间表达式识别

时间表达式识别是进行时间表达式归一化的基础,其识别结果的好坏直接影响归一化的效果。本文提出一种基于依存分析和错误驱动识别中文时间表达式的新方法。首先以时间触发词为切入点,据依存关系递归地识别时间表达式,大大地提高了识别效果;然后,采用错误驱动学习来进一步增强识别效果,根据错误识别结果和人工标注的差异自动地获取和改进规则,使系统的性能又提高了近3.5%。最终在封闭测试集和开放测试集上,F₁值达到了76.38%和76.57%。     

多文档自动文摘综述

多文档文摘是将同一主题下的多个文本描述的主要的信息按压缩比提炼为一个文本的自然语言处理技术。随着互联网上信息的日益丰富,多文档文摘技术成为新的研究热点。本文介绍了多文档文摘的产生和应用背景,阐述了多文档文摘和其他自然语言处理技术的关系,对多文档文摘国内外研究现状进行了分析,在此基础上汇总提出了多文档文摘研究的基本路线及关键技术,并总结了多文档文摘的未来及发展趋势。     

一种Robust语音识别的改进谱减方法

文章提出一种概率谱减的方法,它从混噪语音信号中,根据所有可能出现的噪声序列的概率情况来减去相应的频谱。这种概率谱减技术要比单纯的谱减技术能更好地利用环境中不同类型的噪声特征。对不特定话者84个孤立词电话语音的实验显示,误识率下降了33．9％。     

基于贝叶斯网络的实体属性补全

属性是实体的重要组成部分,因此实体属性的获取是知识图谱构建的关键步骤。由哈尔滨工业大学社会计算与信息检索研究中心推出的开放域中文知识图谱《大词林》是通过从文本中自动挖掘实体及实体间的关系构建而成的,因此为《大词林》中缺少属性的实体添加属性也成为必须研究的问题之一。该文提出了一种解决方案: 基于贝叶斯网络的概率统计模型,通过上位词概念与属性之间的依赖关系和实体与上位词概念的依赖关系来自动地为《大词林》中没有属性的实体添加属性,并与相似度计算方法对比证明了其有效性,可大规模提高《大词林》的属性覆盖率。     

无指导的中文开放式实体关系抽取

传统的实体关系抽取需要预先定义关系类型体系,然而定义一个全面的实体关系类型体系是很困难的.开放式实体关系抽取技术解决了预先定义关系类型体系的问题,但是在中文上的研究还比较少.提出面向大规模网络文本的无指导开放式中文实体关系抽取方法,首先使用实体之间的距离限制和关系指示词的位置限制获取候选关系三元组;然后采用全局排序和类型排序的方法来挖掘关系指示词;最后使用关系指示词和句式规则对关系三元组进行过滤.在获取大量关系三元组的同时,还保证了80％以上的微观平均准确率.