基于BERT与Seq2Seq模型的智能情感对话机器人系统设计

随着人工智能的发展，机器人广泛应用于各行各业中，而学生在英语学习过程中也可以利用对话模拟机器人进行英语练习，培养英语语感，提升英语水平。因此，研究利用改进后的序列到序列(Sequen to Sequence, Seq2Seq)模型，结合基于Transformers模型的双向编码器(Bidirectional Encoder Representations from Transformers, BERT)模型设计具有情感属性的智能对话模拟机器人，模拟人类在不同情境下的自然情感语境对话，以提升学生的口语英语水平。研究结果表明，研究构建模型的对数损失随着预测概率的增大稳定在2左右，改进Seq2Seq-BERT模型的Distinct-1平均得分为0.068,Embedding Average平均得分为0.262,情感精确度平均得分为87.24%,人工评价的逻辑相关、上下文连贯的回复占总回复的50%,说明设计的英语语言对话机器人系统性能良好，能有效提供多元化的英语情感对话回复，进而满足实际应用中学生英语对话练习的需要，能够优化英语教学模式，改进教师的授课方式，最终改善学生的学习效果。