基于ERNIE-BiLSTM-Capsule的口语意图识别

• 作者: 郑思露
• 来源期刊: 数字技术与应用
• 学科: 工学
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 应用技术
• 页码范围: 128-131
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19695/j.cnki.cn12-1369.2022.01.42

摘要

人机对话意图识别是自然语言处理领域的一个研究热点,通常是将对话转录为文本,通过对文本进行分类实现对意图的识别.针对人机对话中对话文本短导致缺少足够的语境信息和因用户说话比较随意导致意图表达不清晰的问题,提出一种基于ERNIE-BiLSTM-Capsule(EBC)的意图识别模型.模型以能够依据不同上下文生成动态生成词向量的知识增强ERNIE作为词嵌入模块;并利用BiLSTM来捕捉意图在上下文上的表达;最后用胶囊网络来有效地编码文本意图在不同维度与真实意图标签之间的关系,提高文本分类能力.在CCKS意图识别数据集上进行实验,验证了模型在准确度和综合准确率F1有显著提高.