主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第11期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
周俊佐,朱宗奎,何正球,陈文亮,张民.面向人机对话意图分类的混合神经网络模型.软件学报,2019,30(11):3313-3325
面向人机对话意图分类的混合神经网络模型
Hybrid Neural Network Models for Human-machine Dialogue Intention Classification
投稿时间:2019-01-15  修订日期:2019-03-12
DOI:10.13328/j.cnki.jos.005862
中文关键词:  混合模型  意图分类  语言模型  注意力机制  胶囊网络
英文关键词:hybrid model  intention classification  language model  attention mechanism  capsule network
基金项目:国家自然科学基金(61876115,61572338,61525205);江苏高校优势学科建设工程(PAPD)
作者单位E-mail
周俊佐 苏州大学 计算机科学与技术学院 人工智能研究院, 江苏 苏州 215008  
朱宗奎 苏州大学 计算机科学与技术学院 人工智能研究院, 江苏 苏州 215008  
何正球 苏州大学 计算机科学与技术学院 人工智能研究院, 江苏 苏州 215008  
陈文亮 苏州大学 计算机科学与技术学院 人工智能研究院, 江苏 苏州 215008 wlchen@suda.edu.cn 
张民 苏州大学 计算机科学与技术学院 人工智能研究院, 江苏 苏州 215008  
摘要点击次数: 50
全文下载次数: 28
中文摘要:
      随着人机对话的不断发展,让计算机能够准确地理解用户查询意图,对整个人机对话领域都有着重要意义.意图分类的主要目标是在人机对话的过程中判断用户的意图,提升人机对话系统的准确度与自然度.首先分析多个分类模型在意图分类任务上的优缺点.在此基础上,提出一种混合神经网络模型,综合利用多个深度网络模型的多样性输出.在输入特征预处理上,采用语言模型词向量,将语言模型拥有的语义挖掘能力应用到混合网络中,可以进一步提升模型的表达能力.所提出的混合神经网络模型相对于最好的基准模型在两份数据集上分别取得了2.95%和3.85%的性能提升.新模型在该数据上取得了最优的性能.
英文摘要:
      With the development of human-machine dialogue, it is of great significance for the computer to accurately understand the user's query intention in human-machine dialogue systems. Intention classification aims at judging the user's intention in human machine dialogue and improves the accuracy and naturalness of the human machine dialogue system. This study first analyzes the advantages and disadvantages of multiple classification models in the intention classification task. On this basis, this study proposes a hybrid neural network model to comprehensively utilize the diversity outputs of multiple deep network models. To further improve the perfoance, the language model embedding is used in the input feature preprocessing and the semantic mining ability possessed for the hybrid network which can effectively improve the expression ability of the model. The proposed model achieves 2.95% and 3.85% performance improvement on the two data sets respectively compared to the best benchmark model. The proposed model also achieves the top performance in a shared task.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利