面向共融机器人的自然交互：人机对话意图理解9787302601104

徐华，博士，2003年毕业于清华大学计算机科学与技术系，现为清华大学计算机科学与技术系长聘副教授，博士生导师。从事多模态智能信息处理、智能优化和共融机器人智能控制等研究工作。担任爱思唯尔（Elsevier）开放期刊Intelligent Systems with Applications首任主编，非常不错期刊Expert Systems with Applications副主编。完成国家科技重大专项课题3项，国家自然科学基金项目4项，国家973项目二级课题2项，国家863项目（课题）5项，靠前500强企业（宝洁、西门子、安捷伦等）合作项目13项。目前已在本专业领域非常不错靠前期刊和AAAI、ACL、ACMMM等很好会议上发表学术论文100余篇。获得国家科技进步奖二等奖1项（集体奖），北京市科学技术奖一等奖1项，北京市科学技术奖二等奖1项（集体奖），北京市科学技术奖三等奖1项，重庆市科技进步奖三等奖1项，中国物流与采购联合会科技发明奖一等奖1项，中国物流与采购联合会科学技术奖一等奖1项。作为主讲教师，主讲清华大学全校性课程“数据挖掘：方法与应用”“工业数据挖掘与分析”“互联网产品设计”等课程。独立编写专著和教材5本，其中《演化机器学习》是国内首部演化机器学习领域的学术专著；《面向共融机器人的自然交互——人机对话意图理解》是国内首部共融机器人自然交互领域的学术专著；《数据挖掘：方法与应用》和《数据挖掘：方法与应用——应用案例》已经被国内众多高校选用为配套教材，并获得清华大学很好教材（2020年）二等奖。

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

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。

　★本书系统地介绍了面向共融机器人的自然交互的对话意图分析方法，包括意图识别、未知意图检测和新意图发现等人机交互方面的前沿技术，结构合理、内容通俗易懂。通过本书的学习，有利于读者掌握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。　　——邓俊辉，清华大学计算机科学与技术系教授、清华大学首届新百年教学成就奖获得者，北京市教学名师　　　　★人机对话的意图分析是当前面向人机共融的智能机器人自然交互的关键核心技术之一。本书系统介绍了当前基于新一代深度学习方法实现的对话意图识别、未知意图检测和未知意图发现等方面的新进展。本书内容丰富、由浅入深，适合对共融机器人自然交互感兴趣的读者学习。　　——刘永进，清华大学计算机科学与技术系教授、人机交互与媒体集成研究所所长，国家杰出青年基金获得者　　　　★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。人机对话意图理解是实现共融机器人自然交互的国际性挑战难题。在以深度学习为代表的新一代人工智能方法的支撑下，本书系统介绍了当前面向共融机器人自然交互的对话意图理解方面的新方法、新技术，是该领域第1本系统化的著作。　　——刘华平，清华大学计算机科学与技术系副教授，国家杰出青年基金获得者