改进双向序列神经网络在幼教聊天机器人中的应用

儿童语言表述的不明确性以及其心理特点的敏感性使得传统聊天机器人难以对儿童输出的信息进行较好的分析和学习,一定程度上会导致语义信息偏差和遗漏问题。故研究在传统对话模型中引入双向序列链式特征神经网络来实现语义信息的捕捉,并对其前后关联信息进行相关特征词抽取。同时为避免单一固定向量长度加大句子信息提取难度的问题,研究将集束算法加入序列信息中以实现权重分配和节点剪枝,构建起符合学前教育属性的聊天机器人模型。将研究提出的模型进行性能检验和分析,结果表明该模型的训练和测试函数损失值均低于其他比较模型,且在信息判别上具有超过85%的识别精度,模型应用的提升效果最大达到了14.63%。研究提出的聊天机器人在学前教育领域具有较好的应用效果,能有效对学生自身素质和教学改革提供新的工具手段。