摘 要
近年来自杀已成为一种极为严重的现象，其所产生的影响极其恶劣，这种现象在大学生中尤为突出。据调查大学生中自杀的原因大多是因为心理、情感方面的问题，当代大学生中很大一部分都存在或轻或重的各种心理问题，严重者极易产生轻生的念头。因此，关注在校大学生的心理健康状况变得极为重要。设计一款聊天机器人，对于这种现象或许会有好的帮助。
聊天机器人种类众多，根据适用的范围不同，所运用的技术也存在着区别，本文所研究的是使用检索模型的机器人。检索型聊天机器人是自动问答系统的另一种特殊形式，它的特点是通过匹配的方式，类似于模仿人类平时说话的语言习惯，找到与所提出的问题匹配度最高的答案。检索模型所使用的回复语句通常是预先存储且事先定义的数据集，并不像生成式模型，类似于人类说话一样，创造出未知的回复内容。该系统所使用的语料库则是研究人员亲自在专业的心理文档网站上下载并进行整理的，其中包括有了几百条心理咨询师与咨询者的对话记录。
关键词：聊天机器人；检索；语料库；关键字
ABSTRACT
In recent years, suicide has become an extremely serious phenomenon, and its impact is extremely bad. This phenomenon is particularly prominent among college students. According to the survey, most of the reasons for suicide among college students are psychological and emotional problems. A large part of contemporary college students have various psychological problems of minor or serious severity. In severe cases, they are prone to commit suicide. Therefore, it is extremely important to pay attention to the mental health of college students. Designing a chat bot may be of good help to this phenomenon.
There are many types of chat bots, and there are differences in the technology used according to the scope of application. This article is studying the bots that use retrieval models. Retrieval chatbot is another special form of automatic question answering system. Its characteristic is to find the answer with the highest matching degree to the question raised by the way of matching, which is similar to imitating the language habits of human beings. The reply sentence used by the retrieval model is usually a pre-stored and pre-defined data set. It is not like a generative model, which is similar to human speech, which creates unknown reply content. The corpus used by the system was personally downloaded and sorted by the researcher on the professional psychological document website, including hundreds of conversation records between the counselor and the counselor.
Key words：chatbot；Search；Corpus；Keyword
第1章绪论
近年来自杀已成为一种极为严重的现象，其所产生的影响极其恶劣，这种现象在大学生中尤为突出。据调查大学生中自杀的原因大多是因为心理、情感方面的问题，当代大学生中很大一部分都存在或轻或重的各种心理问题，严重者极易产生轻生的念头。因此，应该更多的重视在校大学生的心理健康状况。“心灵助手”3D聊天机器人可以在用户们被困惑、焦虑、抑郁等各种不良情绪所困扰时，扮演类似于知心伙伴或心理医生的角色，与用户进行针对性的交流或对他们所产生的情绪进行专业的心理知识科普，使用户可以有正确的认识去面对和克服不良情绪。
1.1 概述
近年来，随着互联网和社交媒体的快速发展，聊天机器人在生活中发挥着广泛作用，它不仅可以解决用户的交流需求，也能降低企业为用户提供服务的成本[1]。聊天机器人提供了一种交互式方法，可以使用户参与由人工智能驱动的行为健康干预[2]。
聊天机器人是一种特殊形式的自动问答系统，它通过模仿用户的语言习惯，通过模式匹配的方法得到用户需要的答案。聊天机器人对于知道答案的问题，往往回答的比较准确，而对于不知道的问题，则是通过猜测，转移话题，或回答不知道的方式给出答案[3]。
为了更加高效地完成该项目，该阶段对聊天机器人方面的理论知识进行了学习，对开发环境、语料库以及人脸识别算法进行了选取，主要工作分为以下几个方面：Unity Hub下载及环境配置、Visual StudioCode开发环境配置、语料库的下载、深度学习模型的选择。
通过文献的查阅以及多种方法的对比，最终确定，基于心理知识科普的聊天机器人进行项目开发是采用面向对象的C#编程语言，开发平台为Microsoft Visual Studio Code，以语料库作为开发基础，RNN神经网络模型作为深度学习的模型，实现主要以心理学知识科普为主要方向的聊天功能。
在该项目中，选择基于 RNN神经网络模型作为深度学习的模型，用于定义神经网络并进行模型计算，用于机器翻译、对话系统、自动文摘。
1.2 项目开发工具及技术
1.2.1 Unity Hub 2.4.4下载及环境配置
在该设计中，使用Unity Hub 2.4.4，该版本相对于Unity其他版本而言，功能已经较为全面，性能已经较为稳定；相对于Unity等更高版本而言，免费版本相对容易获取，且兼容性更高。Unity Hub不仅项目的创建与管理十分简便，使得新手可以快速学习上手Unity，而且简化了不同Unity版本的查找、下载及安装的过程。
1.2.2 Visual Studio Code开发环境配置
Visual Studio Code 是一个运行于 OS X、Windows和Linux之上的，针对于编写现代 Web 和云应用的跨平台编辑器。Visual Studio Code重新定义和优化了代码编辑，以便生成和调试新式 Web 应用程序和云应用程序。VS Code提供了对JavaScript、TypeScript 和 Node.js 的内置支持，并为其他语言（如C++、C#、Java、Python、PHP、Go）和运行时（例如.NET和Unity）提供了丰富的扩展生态系统。
1.2.3 中文语料库
语料库是一种语言材料库，换句话来说是一种遵照语言学原则自然产生的连续文本或者片断组成的文本库。它不是某一种语言的简单堆砌，而是经过反复精细采集的包含语法关系、词法搭配的资料库，其容量和语料都保证了其领域的专业性、科学性、客观性[4]。
第2章 系统总体结构设计
本项目主要是依据机器学习的RNN神经网络模型，用于定义神经网络并进行模型计算，利用所训练出来语料库高效、丰富的语料资源的支持，实现用户与机器人的聊天。采用面向对象的C#编程语言作为开发语言，使用Microsoft Visual Studio Code作为开发平台，以语料库作为开发基础，RNN神经网络模型作为聊天机器人的模型。使得用户可以自由输入，机器进行分析关键词获得信息，在所使用的语料库的支持下完成自动问答过程，实现主要以心理学知识科普为主要方向的聊天功能及其他的辅助功能。
2.1 系统可行性
科学技术改变生活，该系统主要是为满足用户聊天倾诉的需要，利用问答系统及语料库，主要实现用户与机器人聊天的功能。
2.1.1 技术可行性
该项目的主要功能为机器人聊天。首先，用户进行注册账号，选择所使用功能聊天或浏览网站。聊天时需要系统可以读取、分析用户输入的句子并进行合适的回答。想要完成该功能需要语料库的支持，语料库指经过系统科学取样和加工的大规模电子数据集，其中存放的是在沟通交流的实际使用中真实出现过的对话材料。
本系统是在语料库的基础上进行实践的一次过程，主要工作并不是对RNN神经网络的研究。不同类型的聊天机器人所使用的技术难度不同，其侧重点也不同。聊天机器人种类众多，根据适用的范围不同，所运用的技术也存在着区别。例如使用问答模型工作的机器人时，机器人需要提取问句中的重点词组，将其放在知识图谱或三元组中检索，同时为了使检索时的精确性提升，需要进行分类操作。而对于闲聊型聊天机器人来说却可以将问题标注成序列处理，将有价值的数据加入学习模型中积累，最终得到目标model。
2.1.2 经济可行性
Visual Studio 是微软推出的非常强大的开发软件，目前已有 Visual Studio2005 版本、Visual Studio2008 版本、Visual Studio2010 版本、Visual Studio2012 版本、Visual Studio2013 版本、Visual Studio2015 版本、Visual Studio Code版本等开发版本。现阶段，Visual Studio2005 版本、Visual Studio2008 版本和 Visual Studio 2010 版本的应用已不太广泛。而 Visual Studio 2015 版本文件较大，需要运行在性能较优的计算机上，对硬件要求较高，且不能免费使用。在此次项目开发过程中，选择Visual Studio Code版本作为开发环境，其功能和界面都相对友好，免费版本容易找到。
项目中问答系统所需要的语料库则是本人在专业心理文档网站上找到心理咨询师与咨询者的聊天记录进行收集、整理及训练后所得出来的。
2.1.3 操作可行性
在校期间，学习过 C#相关课程，有一定的 C#开发经验。大学期间，学习计算机专业，有一定的计算机基础。除此之外，还具有有一定自学能力，可以通过网络相关资源进行自学，独立完成开发任务。
2.2 系统需求分析
现如今，问答系统作为一项近年来热门的新技术，逐渐向众多领域发展。本项目是对机器人聊天技术的一次学习和实践，同时也是对机器人聊天技术的一次应用，旨在将该技术普及到大众生活中，丰富大众生活。
2.2.1 功能需求分析
该项目主要功能是实现机器人自动问答系统。机器人自动问答系统就是在用户输入自己想说的话，系统经过获取、分析、检索，匹配出相应句子进行回答。该系统实现的主要功能如下所述：
用户注册注销账号：用户使用该软件时，尚未注册的用户先进行注册再登录，已有帐户的用户直接登录，不想继续使用的用户可以选择注销账号。与机器人进行聊天：在对话框中输入想说的话，系统分析，在语料库的支持下进行检索，匹配出最合适的回答。浏览心理学网站：点击跳转按钮，链接了专业的心理网站支持用户浏览，进行相应的知识学习。
2.2.2 非功能需求分析
该系统除了要完成机器人聊天的主要功能外，还需要对该系统聊天功能的准确率和正确率提供一系列保障，那么对开发环境有如下需求：
（1） 硬件环境
要求计算机具有稳定性和安全性，能够满足个人学习和简单开发的基本需求。
（2） 软件环境
操作系统选用具有可靠性和安全性的Windows 10操作系统，开发环境选择高效、稳定、用户界面友好的VS2019，游戏动画制作选择Unity 2019.3.15的版本。
2.3 系统总体设计
2.3.1 系统总体框架
在系统使用之前，要先对语料库中的语句进行分析、处理、训练以提取焦点词汇便于提高检索的精度。
该系统的实现较为简洁，分为可视化模块、数据处理器，重点内容在于语料库的设计及如何基于关键字进行检索匹配语句回答问题。使用该系统的用户先进行账号注册，然后选择自己想要进行的功能即机器人聊天或者浏览网站，不想继续使用时可选择注销账号。
图2-1 系统总体框架流程图
2.3.2 聊天机器人的分类
将聊天机器人以分为问答型、任务型和闲聊型三类。
为了实现不同功能的聊天机器人所用技术也大不相同，从实现方式看,问答型的聊天机器人可以分为检索式和生成式两类,前者通过上下文相似度匹配回复,后者则根据上下文生成回复[5]。
根据检索的模型，它所做出的响应是使用预先定义好用于响应的语料库和专门设定的启发式推理根据输入和之前的对话做出的。换句话来说就是构建FAQ，存储问题——答案对，之后再用检索的方式从该FAQ中返回句子的答案。系统只会从固定的数据集中选择一个语句进行回答，并不会自动产生新的对话语句。检索式模型的优缺点都较为突出，基于检索的模型使用的是人工搭建的语料库，这种方法不容易出现语法上的错误，但是该模型并不能处理未经录入语料库响应的对话场景，也不能引用之前的对话信息，例如前面对话中提到的名称等。
生成式聊天机器人，这种方法比检索式聊天机器人要更难一些，因为它并不依赖于语料库的对话数据，而是无中生有式的根据对话语境生成对应的响应。生成式模型一般情况下是基于机器翻译技术，这并不意味就是两种语言之间的翻译，而是用户与机器人对话中用户输入到机器人输出（响应）的“翻译”。
2.3.3 检索式聊天机器人
通常检索模型使用的回复数据是预先存储且设定好的数据，而生成式模型是可以根据用户输入内容从而创造出未知的内容进行回复。换言说，检索式模型的输入是一段套路固定的模板即：一种对话环境和可能其对应的结果，对结果的评分越高就越有可能被模型输出。寻找最合适的回复内容的过程是：1、根据问题得到诸多结果2、对一堆可能适合的答案进行评分并排序3、选出分值最高的答案作为输出的回复。
一般来讲，一对问答对正确与否与response和query中语义相近的词的数量有关，词义相近的词越多则说明该问答对越可能对正确。这种说法是有一定道理的，但事实上query和response并不一定是语义上的相近，有时候query和response在语义向量上并没有什么相似性。
其流程如下：
1）query和response都是经过分词的，分词后将每个词映射成词向量的形式，之后词向量会被微调。
2）分词和向量化后的query和response经过相同的RNN（Word by word）一个词一个词的输入，query和response按照批处理的那种形式输入到RNN中，比如普通的RNN在批处理时按照每一批处理处理数据，加假如批处理大小是2，原本应该是输入两个样本，在这里RNN把第二个样本换成query的回复response，这样构成一个完整样本的输入，RNN最终生成一个向量表示，捕捉了query和response之间的语义联系。
3）将向量c与一个矩阵M相乘，来预测一个可能的回复r’。如果c为一个256维的向量，M维256*256的矩阵，两者相乘的结果为另一个256维的向量，我们可以将其解释为“一个生成式的回复向量”。矩阵M是需要训练的参数。
4）通过点乘的方式来预测生成的回复r’和候选的回复r之间的相似程度，r′=cT*Mr′=cT*M,点乘结果越大表示候选回复作为回复的可信度越高；之后通过sigmoid函数归一化，转成概率形式。
基于检索的对话系统模式：s1,s2→R，即字符串s1和s2符合一定的规则。
图2-2 检索模型流程图
2.3.4 RNN神经网络
人工神经网络与其他学科领域联系日益紧密，人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题[6]。RNN（Recurrent Neural Network）是一类递归神经网络，一般用于处理序列数据。
RNN的结构及变体高度复杂的深度学习操作能够正确地生成序列并发现序列之间的相关性[7]。我们从基础的神经网络中知道，神经网络包含输入层、隐层、输出层，通过激活函数控制输出，层与层之间通过权值连接。激活函数是事先确定好的，那么神经网络模型通过训练“学”到的东西就蕴含在“权值”中。
基础的神经网络只在层与层之间建立了权连接，RNN最大的不同之处就是在层之间的神经元之间也建立的权连接。
图2-3 基础的神经网络模型图
这是一个标准的RNN结构图，图中每个箭头代表做一次变换，也就是说箭头连接带有权值。左侧是折叠起来的样子，右侧是展开的样子，左侧中h旁边的箭头代表此结构中的“循环“体现在隐层。
在展开结构中我们可以观察到，在标准的RNN结构中，隐层的神经元之间也是带有权值的。也就是说，随着序列的不断推进，前面的隐层将会影响后面的隐层。图中O代表输出，y代表样本给出的确定值，L代表损失函数，我们可以看到，“损失“也是随着序列的推荐而不断积累的。
除上述特点之外，标准RNN的还有以下特点：
1）权值共享，图中的W全是相同的，U和V也一样。
2）每一个输入值都只与它本身的那条路线建立权连接，不会和别的神经元连接。
以上是RNN的标准结构，然而在实际中这一种结构并不能解决所有问题，例如我们输入为一串文字，输出为分类类别，那么输出就不需要一个序列，只需要单个输出。如图所示：
图2-4 单个输出模型流程图
同样的，我们有时候还需要单输入但是输出为序列的情况。那么就可以使用如下图所示结构：
图2-5 单个输入序列输出流程图
第三种结构是输入虽是序列，但不随着序列变化，就可以使用如下图所示结构：
图2-6 序列输入流程图
标准RNN的前向输出流程x是输入，h是隐层单元，o为输出，L为损失函数，y为训练集的标签。这些元素右上角带的t代表t时刻的状态，其中需要注意的是，因策单元h在t时刻的表现不仅由此刻的输入决定，还受t时刻之前时刻的影响。V、W、U是权值，同一类型的权连接权值相同。
有了上面的理解，前向传播算法其实非常简单，对于t时刻：
其中ϕ ( ) 为激活函数，一般来说会选择tanh函数，b为偏置。
t时刻的输出就更为简单：
最终模型的预测输出为：
其中σ 为激活函数，通常RNN用于分类，故这里一般用softmax函数。
2.3.5 语料库
语言作为人类思维、意识形态及文化传递的有效载体,其特定的社会服务功能和实用价值不可小觑[8]。随着大数据和人工智能技术的深入发展,语料库研究得到越来越多的关注和重视。从最开始的面向语言学研究的言语材料集合到如今支撑知识挖掘和发现的深度标注知识资源,语料库及相关研究在深度和广度两方面都得到了充分的探索[9]。语料库是一种语言材料库，换句话来说是一种遵照语言学原则自然产生的连续文本或者片断组成的文本库[10]。
首先要明确语料库搭建的目的，搭建语料库的目的决定了如何选取语料。
在语料库的规模上，自然是包含的对话数据越多越好。从语料库的发展趋势来看，动态的不断发展的语料库才是大势所趋，因为语言本身是动态发展的，所以基于语言的语料库也应当是动态的，可以不断扩充的。
语料库的内容方面，最重要的是真实可信，具体有以下要求：
1）要收集实际使用中的对话文本，而不能是使用者自行杜撰的；
2）要收集符合条件的对话文本。
第3章 系统详细设计与实现
该系统一共分为可视化、数据预处理、数据处理器等模块，主要功能有用户注册注销账号、问答系统、浏览心理学网站、支持安卓移动端和PC端的使用等。
3.1 可视化模块
3.1.1 用户注册注销账号
用户首先需要创建自己的账号，包括了昵称、密码、年龄、性别等信息。已经注册的用户会在进行再次注册时显示已存在，用户返回页面登录即可，尚未注册的用户则会显示注册成功，返回登录。
进行注销时，点击注销登录的按钮，即可注销账号。
该系统本着对用户聊天信息进行保密的目的，对用户所与机器人的聊天不进行保存。用户退出后再次登录时，无法看到自己之前的聊天信息。
图3-1 注册界面流程图
在UIManager.cs文件中定义封装了init函数，从用户界面获取的所有信息，使从ButtonManager.cs文件中可以直接调用。以下是关键代码：
注册账号：
登录账号：
注销账号：
3.1.2 浏览网站
该功能即用户想要对心理学知识进行了解时，点击“心理学”按钮进入场景之后，用户可以根据提示选择自己想要了解方向，点击按钮就可以跳转到专业的心理学网站上去浏览相应内容。以下是关键代码：
3.2 数据处理器模块
3.2.1 问答系统
问答系统(Question Answering System, QA)是信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户用自然语言提出的问题。
该功能即用户想要进行聊天时，点击“与医生聊天”的按钮，进入一个场景当中，会出现两个行走的小人，一个为医生形象，一个为用户形象。屏幕下方还会有对话框，用户可以在对话框中输入自己想说的话，系统分析用户句子中所包含关键词及其意思，在语料库中寻找意思最为相近的句子进行回答，实现人机交流。系统抓取分析用户句子里的关键词，在语料库中进行查找匹配相应句子进行回答，完成自动聊天功能。
图3-2 问答系统流程图
EnterButton.cs文件中的Math方法，获取用户在聊天界面输入的语句。以下是关键代码：
将EnterButton.cs文件中获取的curSentence传递到SpeakManagerController.cs文件中，以下是关键代码：
从SpeakManagerController.cs文件传递到Speakthistext.cs文件的StartSpeak方法中进行调用，以下是关键代码：
调用用于执行协程遍历当前句子截取字符串，以下为关键代码：
3.2.2 语料库的搭建
该系统所使用的语料库则是研究人员亲自在专业的心理文档网站上下载并进行整理的，其中包括有了几百条心理咨询师与咨询者的对话记录，如下图所示：
图3-3 语料库
初始化语料库，对语料库中的语句进行字符串处理，然后将所有咨询者（此处写为机器人）的语句进行整理，形成可以用于匹配关键字的句子链表。以下为关键代码：
3.2.3 关键字匹配
在文件关键字.txt中，提取了关键字用于提高检索时的效率及准确度，这里展示了一部分。
图3-4 关键词
在EnterButton.cs文件中进行关键字匹配。获取玩家输入的语句并提取关键词，curSentence即为从众多包含该关键词的语句中随机选取一个句子，以下为关键代码：
初始化关键字，以下为关键代码：
在for循环中遍历关键词链表，将匹配到所有的关键词集合，以下为关键代码：
匹配到关键词之后，在语料库中进行语句的匹配。用for循环找到所有包含关键词的语句的集合，以下为关键代码：
当匹配到多个包含关键词的语句，随机选择一个即可，若匹配到只一个，便直接回答该句子，以下为关键代码：
第4章 系统测试
本系统是基于问答系统的聊天机器人，主要功能是用户可以与机器进行聊天。即通过获取、分析用户输入的语句，根据语料库的设计，通过检索的形式匹配到最合适的语句及进行回答。为了确定该系统是否能够正常运行，发现该系统存在的问题，并通过分析问题对该系统进行改进，特对基于问答系统的聊天机器人进行系统测试，以使系统的运行效率和更高。
4.1 测试背景
该系统的开发环境为Visual StudioCode版本，以C#作为开发语言，使用Unity2019.3.15版本作为可视化模块的基础，在语料库的基础上完成聊天机器人系统。
在对系统进行测试之前，需要下载Unity2019.3.15并完成环境配置。在语料库和关键字基础上完成问答系统的设计，语料库是聊天机器人的基础，根据选择聊天机器人的类型所提前设计搭建好语料库。
4.2 测试概要
本系统一共有四个界面，分别为登录界面、注册界面、功能界面、聊天界面。
登录界面测试内容分为四项，账号框的输入、密码框的输入、登录按钮及注册按钮。
登录界面图如图所示。
图4-1 登录界面
登录界面预期效果为输入账号密码后，点击登录。如果已注册变跳转至主要功能界面，若尚未注册，便提示尚未注册。登录界面流程图如图所示。
图4-2 登陆界面流程图
注册页面包含了账号、密码、昵称、年龄四个输入框、性别选择的两个按钮、注册按钮及返回按钮。注册界面如图所示。
图4-3 注册界面
注册界面预期效果为用户输入个人信息后点击注册按钮即可注册账号，注册成功后点击返回按钮回到登录界面。注册界面流程图如图所示。
图4-4 注册界面流程图
功能界面有与医生聊天按钮、心理学网站按钮、注销账号按钮。功能界面如图所示。
图4-5 功能界面
图4-6 心理网站
功能界面预期效果为点击与医生聊天按钮可跳转至聊天界面进行聊天，点击心理学网站按钮可通过链接访问专业的心理学网站，点击注销账号按钮即可注销该账号并返回登录界面。功能界面流程图如图所示。
图4-7 功能界面流程图
聊天界面有虚拟人物形象、聊天对话框和发送按钮，用于输入对话内容，与机器人进行聊天。聊天界面如图所示。
图4-8 聊天界面
4.3 测试结果
用户注册登录界面能够实现，输入账号密码，后点击登录按钮时，如果已注册过便可以直接登录，没有注册的用户会提示先进行注册，并跳转至注册页界面，输入相应信息后点击注册按钮，成功注册后返回登录账号。
功能界面能够实现，登陆后界面出现三个按钮，分别为：与医生聊天、浏览心理网站、注销账号。
聊天界面能够实现，点击与医生聊天的按钮后会跳转至聊天界面，出现医生形象和用户形象的虚拟小人，在界面下方会有对话框可以输入聊天内容，点击发送按钮，机器人会根据用户所说的进行相应的回复。
点击浏览心理网站的按钮，会直接跳转至网站，用户可以直接进行浏览、学习等。
点击注销账号，就直接进行注销，并返回登录界面。
第5章 结论
随着信息技术的飞速发展和多媒体技术的广泛应用，聊天机器人凭借其新颖性和未来前景好等特点在众多新兴技术中脱颖而出。聊天机器人技术也不断发展，其中的机器学习也属于前沿技术。
本项目将心理咨询对话作为语料库的基础，设计了基于RNN神经网络模型的检索型聊天机器人，通过获取、分析、检索来与用户进行聊天的主要功能。聊天机器人功能即基于心理咨询聊天语料库，采用基于RNN神经网络模型的检索聊天方式与用户进行对话。同时还有点击按钮即可跳转链接至专业的心理学网站进行相应知识的了解。
系统同时也存在着一些不足。例如，语料库中包含的预料资源较少，这就可能会给聊天中机器人的回答带来一定的局限，使问答系统的准确性较低。为了解决这一问题，在后续的学习和实践中，可以不断扩充语料库，添加更多的语料资源，提高聊天机器人在回答过程中的准确性。
参考文献
[1]陈樑鸿.开放领域聊天机器人对话生成算法研究[D].重庆大学,2018.
[2]Dosovitsky Gilly，Pineda Blanca S，Jacobson Nicholas C等.抑郁症的人工智能聊天机器人：用法的描述性研究[J].2020年，4(11):e17065-e17065。
[3]宁长英.智能聊天机器人的关键技术研究[D].杭州电子科技大学,2011.
[4]梁师哲.基于深度学习的智能聊天机器人的关键技术研究[D].广西大学,2019.
[5]张凉. 基于检索与生成模型相结合的聊天机器人关键技术研究[D].华东师范大学,2020.
[6]张驰,郭媛,黎明.人工神经网络模型发展及应用综述[J/OL].计算机工程与应用:1-15[2023-04-13].http://kns.cnki.net/kcms/detail/11.2127.TP.20230402.1348.004.html.
[7]Wang Hei Chia,Hsiao Wei Ching,Chang Sheng Han. Automatic paper writing based on a RNN and the TextRank algorithm[J]. Applied Soft Computing,2020,97(PA).
[8]朱启慧.基于语料库的批评话语分析研究[J].长春师范大学学报,2023,40(03):109-113.
[9]王树良,李大鹏,赵柏翔,耿晶,张伟,王海雷.聊天机器人技术浅析[J].武汉大学学报(信息科学版),2023,46(02):296-302.
[10]黄水清,王东波.国内语料库研究综述[J/OL].信息资源管理学报:1-15[2023-03-15].http://kns.cnki.net/kcms/detail/42.1812.g2.20230310.1157.002.html.
[11]徐彤阳,滕琦.基于深度学习的虚拟学术社区智能问答研究[J].情报杂志,2023,40(04):163-169.
[12]韩东方,吐尔地·托合提,艾斯卡尔·艾木都拉.问答系统中问句分类方法研究综述[J].计算机工程与应用,2023,57(06):10-21.
[13]王艳秋,管浩言,张彤.聊天机器人的分类标准和评估标准综述[J].软件工程,2023,24(02):2-8.
[14]卢俊羽. 基于大规模候选集的检索型多轮对话模型[D].电子科技大学,2020.
[15]朱运昌,庞亮,兰艳艳,程学旗.面向长答案的机器问答研究[J].山西大学学报(自然科学版),2020,43(04):938-946.
致谢
本文是在湛维明老师耐心指导和全力支持下完成的。湛维明老师对计算机知识掌握的扎实透彻，关注社会热点，掌握社会最新动向，这让我能够从一个崭新的角度出发去完成这一课题。因为湛维明老师的悉心指导，使得我在做毕业设计的过程中更加得心应手。一次毕业设计的完成，不仅是一次学习过程还是一次实践过程，在这一过程中，我学到了很多关于聊天机器人和语料库的知识，掌握了 Unity的基本使用方法，提高了 C#语言的编程能力。除此之外，非常感谢在毕业设计过程中为我提供帮助的小湛老师和同学们。
做毕业设计是一个既艰苦又充满成就感的过程，从查阅资料到选题、定题，从前期报告、中期报告到毕业论文的定稿，让我从对聊天机器人方面知识的小白到现在了解其原理和算法，期间经历了太多的痛苦、喜悦或是迷茫。在完成毕业论文的那一瞬间，所经历的困难、挫折都变成了心中满满的成就感。
非常感谢在我的大学生活中，所有支持我、帮助我的老师们和同学们，因为有你们我的大学生活才更加丰富，更加完整。
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：写文章小能手，如若转载，请注明出处：https://www.447766.cn/chachong/79160.html,
