意圖識別是自然語言處理的重要組成部分,其中微博發(fā)布者的發(fā)文內容通常隱含著社交意圖,為了準確識別微博發(fā)布者的社交意圖,提出一種基于詞、句聯(lián)合訓練的編碼器解碼器的社交意圖識別與分類的建模方法,方法綜合考慮了微博用戶的微博內容在詞、句基礎上的意圖信息.實驗表明,該模型的訓練方法在社交意圖識別數(shù)據(jù)集上取得了93.176%的準確率.
【部分圖文】：

所提模型整體結構分為3個部分:第一部分編碼器是由BLSTM與self-attention組合的網(wǎng)絡結構對輸入序列的每個詞進行編碼表示,BLSTM提取輸入序列上下文的相關的全局特征,重點關注詞的上下文語義與語法信息,self-attention給每個詞賦予不同的權重,通過attention提取重要特征;第二部分解碼器是單向LSTM.對于輸入序列中的每一個詞進行解碼,對每一個詞均進行意圖識別;第三部分是輸入序列中每一個詞編碼器的隱藏狀態(tài)及解碼器的隱藏狀態(tài)加和求平均得到整個句子的隱藏狀態(tài),對句子進行意圖識別,最終整個句子的意圖類別通過每個詞加句子的意圖結果進行投票決定.圖1給出了模型結構.2.1 編碼器

LSTM(Long Short-Term Memory, LSTM)是一種增加了記憶功能的循環(huán)神經網(wǎng)絡模型,在處理序列的長期依賴問題上更有優(yōu)勢.一般的,LSTM單元由輸入門、遺忘門、輸出門3個門組成,輸入門決定哪些新輸入的信息允許被更新,或者被保存到記憶單元,遺忘門用于控制記憶單元是否記住或者丟棄之前的狀態(tài),輸出門決定記憶單元中哪些信息允許被輸出.一般的LSTM網(wǎng)絡結構如圖2所示.在t時刻LSTM單元更新的公式如(1),(2)和(3):
【相似文獻】

相關期刊論文 前10條

1 李秀娟;田川;馮欣;;數(shù)據(jù)挖掘分類技術研究與分析[J];現(xiàn)代電子技術;2010年20期

2 楊思春;戴新宇;陳家駿;;面向開放域問答的問題分類技術研究進展[J];電子學報;2015年08期

3 ;第2屆中國分類技術及應用學術會議(CCTA2007)征文通知[J];計算機研究與發(fā)展;2006年12期

4 田艷玲;張維桐;張鍥石;路綱;吳曉軍;;圖像場景分類技術綜述[J];電子學報;2019年04期

5 董志強;呂鳳娟;;基于關鍵詞的Flash分類技術研究[J];中小學電教(下);2011年01期

6 黎仁國;;分類技術在數(shù)據(jù)挖掘中的應用研究[J];科技信息;2010年24期

7 張淳;;數(shù)據(jù)挖掘分類技術在高校教學中的應用[J];電腦知識與技術;2009年24期

8 段巍巍;許海濱;;基于分類技術的目標客戶輔助定位方法研究[J];江蘇通信;2008年03期

9 謝琰嵩;朱曉蓮;;數(shù)據(jù)流分類技術分析[J];計算機與現(xiàn)代化;2010年01期

10 倪現(xiàn)君;;基于數(shù)據(jù)挖掘分類技術的高校教學方法研究[J];科學技術與工程;2006年04期

相關博士學位論文 前5條

1 杭文龍;有監(jiān)督智能聚類與分類技術及其應用研究[D];江南大學;2017年

2 張良力;面向安全預警的機動車駕駛意圖識別方法研究[D];武漢理工大學;2011年

3 付博;面向社會媒體的用戶消費意圖分析關鍵技術研究[D];哈爾濱工業(yè)大學;2015年

4 才智杰;藏文詞向量表示關鍵技術研究[D];青海師范大學;2018年

5 方蘭婷;基于機器學習的自然語言處理和傳輸技術的研究[D];東南大學;2018年

相關碩士學位論文 前10條

1 楊保國;基于關鍵詞的文本流分類技術研究[D];西北農林科技大學;2011年

2 鄭錦濤;基于GPU的高性能包分類技術的研究與實現(xiàn)[D];湖南大學;2016年

3 智洪欣;基于深度學習的視頻分類技術研究[D];戰(zhàn)略支援部隊信息工程大學;2018年

4 黃學輝;數(shù)據(jù)挖掘分類技術在企業(yè)人才招聘中的應用研究[D];中國海洋大學;2010年

5 楊傳耀;數(shù)字圖書館及其分類技術的研究[D];福州大學;2004年

6 王紅;基于內容的中文垃圾短信分類技術的研究[D];安徽大學;2011年

7 翟海濤;基于交通視頻的車輛檢測跟蹤及分類技術研究[D];蘇州大學;2010年

8 王國華;智能監(jiān)控中目標檢測與分類技術的研究[D];安徽大學;2012年

9 張海笑;數(shù)據(jù)挖掘分類技術在高校教學中的應用研究[D];廣東工業(yè)大學;2005年

10 譚海龍;多維時間序列的分類技術研究[D];浙江大學;2015年

本文編號：2882435