多模态人机交互中的说话人意图识别研究

多模态人机交互中的说话人意图识别研究

ID:36460471

大小:598.94 KB

页数:28页

时间:2019-05-10

多模态人机交互中的说话人意图识别研究_第1页
多模态人机交互中的说话人意图识别研究_第2页
多模态人机交互中的说话人意图识别研究_第3页
多模态人机交互中的说话人意图识别研究_第4页
多模态人机交互中的说话人意图识别研究_第5页
资源描述:

《多模态人机交互中的说话人意图识别研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、更多相关参考论文设计文档资源请访问http://www.docin.com/lzj781219本科毕业设计(论文)题目:多模态人机交互中的说话人意图识别研究学院计算机学院专业智能科学与技术班级20092113192013年6多模态人机交互中的说话人意图识别研究摘要在认知服务类机器人系统构建中,意图识别模块是至关重要的一部分。本文研究的重点是设计并实现意图分类模块,并且提取说话人言语中的关键信息。由于口语对话言语不规范现象严重,如重复、颠倒、省略等,所以要选择鲁棒的特征,为此,本文提取了三种不同的特征:关键词特征、知网特征、统计特征,并使用支撑向量机(SupportVe

2、ctorMachine:SVM)、KNN、NaïveBayes三种分类器建出扁平分类器、层级分类器。经过实验,得到如下结论:(1)KNN算法在K=3时效果最佳,Bayes分类器使用不去停用词的统计特征能得到较好性能。(2)层级分类器的效果明显优于扁平分类器。(3)使用知网特征增强了系统的覆盖能力。基于这些实验结果,本文确定了一种构建意图识别系统的方案:即使用层级分类器进行意图识别,其中第一级用Bayes分类器,第二级用SVM分类器。此外,在系统构建中,使用ICE分布式中间件,使系统跨平台、跨语言的能力得到支撑。而Python语言的使用以及模块化设计,使系统在开发中具有

3、很大的拓展性和自由度。基于此完成了对话理解模块的任务,为多模态对话系统的建立奠定了基础。关键词:口语对话意图识别SVM贝叶斯知网本毕业论文包含包含项目源代码,项目设计说明书、任务书、报告书以及文献参考翻译、CAD设计文件以及仿真建模文件,资料请联系68661508索要更多相关参考论文设计文档资源请访问http://www.docin.com/lzj781219SpeakerIntentionRecognitionOfMultimodalHuman-ComputerInteractionABSTRACTIncognitiveservicerobotsystembuild

4、ing,theintentionrecognitionmoduleisavitalpart.Thefocusofthisstudyistodesignandimplementintentclassificationmoduleandtoextractthekeywordsofspeaker'sspeech.Becausetheabnormalphenomenaofspokendialogueisserious(suchasrepetition,reversed,omitted,etc),itneedstoselectrobustfeatures.Inthisartic

5、le,weextractthreefeatures:keywordfeature,HowNetfeature,statisticalfeature,andbuildflatclassifierandhierarchicalclassifierbyusingSVM(SupportVectorMachine),KNNandNaïveBayesclassifier.Throughexperiments,thefollowingconclusions:(1)KNNalgorithmworksbestwhenK=3;Bayesclassifierusingthestatisti

6、calcharacteristicsofremovingstopwordsdonotgetbetterperformance.(2)hierarchicalclassifierisbetterthanflatclassification.(3)HowNetfeatureenhancessystemcoverage.Basedontheseexperimentalresults,thisarticleidentifiesabuildingplanofintentidentificationsystem:usesahierarchicalclassifierforinte

7、ntionrecognition,whereinthefirststagewiththeBayesclassifier,thesecondstagewithaSVMclassifier.Insystemconstruction,theuseofdistributedmiddlewareICEmakesthecross-platform,cross-languagecapabilitygotsupported.BytheuseofPythonlanguageandmodulardesign,thedevelopmentofthesystemisofgr

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。