面向共融机器人的自然交互 人机对话意图理解

"l 深度探讨了融合多模态机器学习的人机交互多模态情感分析技术 l 深度探讨了融合深度语义识别的人机交互意图识别、未知意图检测和新意图发现技术 l 系统论述了深度人工智能时代共融机器人自然交互的基础理论与实现方法"

共融机器人是能够与作业环境、人和其他机器人自然交互、自主适应复杂动态环境并协同作业的机器人。“敏锐体贴型”的自然交互是共融服务机器人的研究热点问题之一。当前迫切需要机器人与人具有交互对话意图的理解能力。本书立足基于深度学习方法的人机理解领域，从人机对话意图理解出发，系统介绍了人机对话中的意图识别、未知意图检测和新意图发现的方法。本书是国内共融机器人自然交互领域第一本系统介绍交互对话意图分析的专业书籍，可为读者提供共融机器人研究领域人机对话意图分析的关键技术和基础知识，追踪该领域的发展前沿提供重要的学习和研究参考。

徐华，清华大学计算机系副教授，博士生导师。长期担任数据挖掘、网络产品设计等相关本科研究生课程的教学工作。主要从事智能机器人相关的智能优化调度、智能交互方面的研究工作。目前发表国际期刊论文40篇，领域很好国际会议论文70篇，获得国家科技进步二等奖一次，省部级政府科技奖励4次，行业协会科技发明一等奖2次。

第一篇 概述
第1章 对话系统
第2章 意图识别
2.1 意图特征表示相关研究综述
2.1.1 离散式表示
2.1.2 分布式表示
2.1.3 小结
2.2 已知意图分类方法研究综述
2.2.1 基于单模型的对话意图分类模型研究综述
2.2.2 基于双模型的对话意图分类模型研究综述
2.2.3 小结
2.3 未知意图检测研究综述
2.3.1 基于传统判别式模型的未知意图检测
2.3.2 基于计算机视觉领域开放集识别的未知意图检测
2.3.3 基于领域外样本检测的未知意图类型检测
2.3.4 基于其他方法的未知意图类型检测
2.3.5 小结
2.4 未知意图类型发现研究综述
2.4.1 基于无监督聚类的未知意图类型发现
2.4.2 基于半监督聚类的未知意图类型发现
2.4.3 小结
2.5 本章小结
第二篇 意图分类
第3章 基于单模型的意图分类
3.1 引言
3.2 不同神经网络模型的对比
3.2.1 基线系统
3.2.2 基于神经网络语言模型的话语分类器
3.2.3 基于RNN的话语分类器
3.2.4 基于LSTM和GRU的话语分类器
3.3 实验
3.3.1 数据集和评价指标
3.3.2 实验设置
3.3.3 实验结果
3.4 本章小结
第4章 用于意图分类和槽位填充的双RNN语义分析框架
4.1 引言
4.2 意图分类和槽位填充任务方法
4.2.1 基于深度神经网络的意图分类方法
4.2.2 基于循环神经网络的槽位填充方法
4.2.3 两个任务的联合学习模型
4.3 用于联合语义框架解析的双模型RNN结构
4.3.1 带有解码器的双模型结构
4.3.2 无解码器的双模型结构
4.3.3 异步训练
4.4 对比实验
4.4.1 数据集和评价指标
4.4.2 实验设置
4.4.3 实验结果
4.5 本章小结
第三篇 未知意图检测
第5章 基于模型后处理的未知意图检测方法
5.1 引言
5.2 基于模型后处理的未知意图检测方法
5.2.1 基于深度神经网络的意图分类器
5.2.2 SofterMax激活函数
5.2.3 深度新颖检测模块
5.2.4 Platt Scaling联合预测
5.3 实验
5.3.1 任务与数据集
5.3.2 实验设置
5.3.3 实现结果与分析
5.4 本章小结
第6章 基于深度度量学习的对话意图发现
6.1 引言
6.2 模型的框架结构
6.3 元特征表示
6.3.1 意图特征表示
6.3.2 计算簇中心向量
6.3.3 计算元特征表示
6.4 余弦分类器
6.5 深度度量学习
6.5.1 角度边际损失函数
6.5.2 距离边际损失函数
6.6 训练及预测
6.6.1 联合目标训练
6.6.2 基于置信度阈值的意图预测
6.7 实验结果与分析
6.7.1 实验数据集
6.7.2 评估方法
6.7.3 基准方法
6.7.4 参数设定
6.7.5 实验结果与分析
6.8 本章小结
第7章 基于大边际余弦损失函数的未知意图检测方法
7.1 引言
7.2 基于大边际余弦损失函数的未知意图检测模型
7.2.1 角度边际损失函数
7.2.2 大边际余弦损失函数
7.3 实验
7.3.1 任务与数据集
7.3.2 实验设置
7.3.3 实验结果与分析
7.4 本章小结
第8章 基于动态约束边界的未知意图检测方法
8.1 引言
8.2 模型的框架结构
8.3 动态约束边界的定义
8.4 深度意图特征学习
8.5 约束边界学习
8.6 训练及预测
8.6.1 交互式训练
8.6.2 基于动态约束边界的意图预测
8.7 基于动态约束边界的对话意图发现
8.7.1 实验数据集
8.7.2 评估方法
8.7.3 基准方法
8.7.4 参数设定
8.7.5 实验结果与分析
8.8 本章小结
第四篇 未知意图发现
第9章 基于自监督约束聚类的未知意图发现模型
9.1 引言
9.2 用于自监督的约束聚类方法
9.2.1 Transformer双向编码器
9.2.2 成对相似性预测
9.2.3 基于KL散度的聚类精炼
9.3 实验
9.3.1 任务与数据集
9.3.2 实验设置
9.3.3 实验结果与分析
9.4 本章小结
第五篇 对话意图识别平台
第10章 基于深度学习的对话意图识别实验平台
10.1 引言
10.2 开放意图识别平台
10.2.1 数据管理
10.2.2 模型
10.2.3 训练和评估
10.2.4 结果分析
10.3 总体框架
10.4 实验
结束语
参考文献
附录A 英文缩写对照表
附录B 图索引
附录C 表索引