隨著互聯(lián)網(wǎng)的飛速發(fā)展以及智能手機的普及,對話系統(tǒng)的發(fā)展進入了重要的歷史階段。意圖分類是自然語言理解(NLU)系統(tǒng)中的一項重要任務。本文從單輪對話句子級意圖分類和多輪對話文檔級意圖分類的角度進行了進一步研究和探索。在單輪對話意圖分類方面,近年來,一些模型開始聯(lián)合處理意圖分類和填槽任務。但是,大多數(shù)的聯(lián)合模型需要大量人工標注的槽位數(shù)據(jù)樣本。因此,本文提出了意圖分類和命名實體識別的聯(lián)合模型。本文使用工業(yè)強度的自然語言處理工具spaCy為基準數(shù)據(jù)集生成命名實體標簽,不需要人工標注命名實體識別標簽。該模型可以在命名實體標簽中學習到更多的語義信息,進而提高模型在意圖分類任務上的性能。命名實體識別的標簽體系相比于填槽的標簽體系具有更高的通用性,相同的命名實體標注標準可用于許多不同的領域和意圖。在三個基準數(shù)據(jù)集上,意圖分類和命名實體識別的聯(lián)合模型實現(xiàn)了比意圖分類和填槽的聯(lián)合模型更好或相似的性能。在許多實際場景中,用戶可能需要與系統(tǒng)進行多輪對話才能夠使系統(tǒng)正確的完成一個任務。也就是說,在多輪對話中,有時用戶的真實意圖只有一個,也可以將此意圖稱為原始意圖或真實意圖。因此,文本在多輪對話中提出了文檔級意圖分...

【文章頁數(shù)】：58 頁

【學位級別】：碩士

圖4-1數(shù)據(jù)集標定系統(tǒng)界面

圖5-2循環(huán)神經(jīng)網(wǎng)絡（RNN）

圖5-3長短期記憶神經(jīng)網(wǎng)絡（LSTM）

圖6-1基于深度學習的對話領域意圖分類系統(tǒng)首頁首頁右上角登錄和注銷按鈕

本文編號：3888307