基于双通道卷积神经网络的问句意图分类研究

• 作者: 杨志明 王来奇 王泳
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 卷积神经网络 自然语言问句理解 意图分类 词向量 字向量
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 问答、对话、阅读理解
• 页码范围: 122-131
• 页数: 10页
• 分类号: TP391
• 字数: 8301字
• 语种: 中文

摘要

人机对话技术近年来受到学术界和工业界的广泛关注.人机对话系统的一个关键任务就是如何让聊天机器人理解用户的问句意图并将用户的输入正确地分类到相应领域中,其性能直接影响到特定领域的人机对话质量.该文针对对话问句具有句子长度短、局部特征明显等特点,单通道卷积神经网络(Convolutional Neural Net-work,CNN)视角单一,不能充分学习到问句的特征信息和语义信息.该文在研究和分析了CNN算法的基础上,提出了意图分类双通道卷积神经网(Intent Classification Dual-channel Convolutional Neural Networks,ICDCNN)算法.该方法首先采用Word2Vec工具和Embedding层进行训练词向量提取问句中的语义信息特征;然后采用两个不同的通道进行卷积运算,一个通道传入字级别的词向量,另一个通道传入词级别的词向量,使用细粒度的字级别词向量协助词级别的词向量捕获自然语言问句中更深层次的语义信息;最后通过设置不同尺寸的卷积核,学习问句内部更深层次的抽象特征.通过对比实验结果表明,该算法在选用的中文实验数据集上取得了较高的准确率,较其他算法具有一定的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王泳		15	115	5.0	10.0
2	杨志明	中国科学院软件研究所	5	13	3.0	3.0
11	王来奇		2	7	2.0	2.0