ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود کیفیت عامل های محاور های با استفاده از شخصیت گوینده مبتنی بر شبکه های عصبی حافظه دا ر

سال انتشار: 1398
کد COI مقاله: ICIKT10_021
زبان مقاله: فارسیمشاهد این مقاله: 127
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود کیفیت عامل های محاور های با استفاده از شخصیت گوینده مبتنی بر شبکه های عصبی حافظه دا ر

محمدمهدی جعفری - دانشگاه شهید بهشتی تهرا ن،
علیرضا طالب پور - دانشگاه شهید بهشتی تهران

چکیده مقاله:

اقبال عمومی جامعه پژوهشی به طراحی عامل های محاورهای، ابعاد جدیدی از مساله را آشکار ساخته است. تنوع منابع اطلاعاتی در روزگار حاضر، امکان بهره گیری موثر از این اطلاعات را در زمان تولید مکالمه به عنوان یک چالش جذاب مطرح کرده است. در این مسیر طراحی عامل محاورهای با توانایی استفاده از شخصیت گوینده در قالب زبان طبیعی، علاوه بر این که منجر به ساخت مکالمه دلپذیرتر و سازگارتر می شود، می تواند به عنوان قدم اولیه در استفاده از اطلاعات جانبی برای تولید مکالمه قلمداد گردد. مبنای پژوهش حاضر ایده استفاده از شبکه های عصبی حافظه دار در کاربرد عامل محاورهای، به منظور بهره گیری مطلوب تر از ویژگی های شخصیت و پیشینه مکالمه است. برای پیاده سازی این ایده ملزم بخش بندی نمونه ورودی با استفاده از نمادهای خاص و طراحی سازوکار مناسب برای عرضه ویژگی های شخصیتی به شبکه هستیم. حافظه جانبی مورد استفاده، علاوه بر اینکه از طریق ارتقاء توانایی شبکه در مدلسازی وابستگی های طولانی مدت، موجب استفاده موثرتر از پیشینه مکالمه می شود؛ شبکه را قادر به مدلسازی مطلوب تر مکالمه نیز می نماید. به گواه نتایج تجربی روش پیشنهادی توانسته است در مساله استفاده از ویژگی های شخصیت و پیشینه برای تولید مکالمه، عملکرد بهتری در مقایسه با پژوهش برتر در این زمینه ارائه دهد. این روش معیار میانگین بردارهای جاسازشده جمله را به میزان 4 درصد و معیار 4BLUE را به میزان 2 درصد روی مجموعه دادگان پرسوناچت 5 ارتقاء داده است. این روش قادر است ساخت مکالمه برپایه هرنوع اطلاعات جانبی را میسر سازد.

کلیدواژه ها:

شبکه عصبی حافظه دار، عامل های محاورهای، ربات های اجتماعی، کامپیوتر مشتق پذیر عصبی، پردازش زبان های طبیعی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/982256/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
جعفری، محمدمهدی و طالب پور، علیرضا،1398،بهبود کیفیت عامل های محاور های با استفاده از شخصیت گوینده مبتنی بر شبکه های عصبی حافظه دا ر،دهمین کنفرانس فناوری اطلاعات و دانشIKT2019،تهران،،،https://civilica.com/doc/982256

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، جعفری، محمدمهدی؛ علیرضا طالب پور)
برای بار دوم به بعد: (1398، جعفری؛ طالب پور)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 18,849
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی