چتبات مولد شرطی با استفاده از یادگیری عمیق | ||
| مدل سازی در مهندسی | ||
| دوره 23، شماره 82، پاییز 1404، صفحه 99-113 اصل مقاله (766.13 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.36654.2797 | ||
| نویسندگان | ||
| نورا اسفندیاری؛ کورش کیانی* ؛ راضیه راستگو | ||
| دانشکده مهندسی برق و کامپیوتر، دانشگاه سمنان، سمنان، ایران | ||
| چکیده | ||
| چتباتها به عنوان ابزاری برای ارتباط بین کاربر انسانی و ماشین عمل میکنند تا براساس ورودی انسان، پاسخ مناسبی ارائه دهند. در رویکردهای اخیر، ترکیبی از پردازش زبان طبیعی و مدلهای دنبالهای برای ساخت چت باتهای مولد استفاده میشود. چالش اصلی این مدلها ماهیت دنبالهای آنها است که منجر به کاهش دقت پاسخ ها میشود. برای مقابله با این چالش، در این مقاله، یک معماری جدید با استفاده از شبکه مولد تخاصمی Wasserstein شرطی (cWGAN) و مدل ترانسفورمر برای تولید پاسخ در چت باتها پیشنهاد شده است. در حالی که مولد مدل پیشنهادی شامل یک مدل کامل ترانسفورمر برای تولید پاسخ است، تمایزگر تنها شامل قسمت رمزگذار مدل ترانسفورمر به همراه یک طبقهبند است. تا آنجا که ما میدانیم، این اولین باری است که یک چتبات مولد با استفاده از ترانسفورمر تعبیهشده در هر دو مدل مولد و تمایزگر پیشنهاد میشود. با تکیه بر محاسبات موازی مدل ترانسفورمر، نتایج مدل پیشنهادی بر روی مجموعه دادههای مکالمات Cornell و Chit-Chat، برتری مدل پیشنهادی را نسبت به روشهای قبلی با استفاده از معیارهای ارزیابی مختلف تأیید میکند. | ||
| کلیدواژهها | ||
| چت بات مولد؛ یادگیری عمیق؛ مدل مولد شرطی؛ مدل ترنسفورمر؛ سیستم گفتگو | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 581 تعداد دریافت فایل اصل مقاله: 411 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 722 |
| تعداد مقالات | 10,383 |
| تعداد مشاهده مقاله | 72,838,602 |
| تعداد دریافت فایل اصل مقاله | 64,535,148 |