基于改进模糊置信规则的意图识别方法

摘要：

针对传统意图识别方法只能处理某种类型不确定性信息的不足,该文结合模糊集和DS证据理论优势提出一种模糊置信规则库(BRB)信息处理方法.首先在置信规则前提部分改进了前提属性的连接关系,根据数据集统计分布特点设计了模糊集分割,选取Cauchy型分布作为隶属度函数,较好地避免置信规则无法被有效激活进而导致系统无有效输出问题;其次融合处理辨识框架内不同类别的置信分布,建立规则权重和特征权重优化模型,构建了特征空间与类别空间之间的输入输出关系;在此基础上,计算未知意图数据在相应规则模糊域的匹配度和激活度,采用置信度最大原则进行识别决策.通过实验验证、参数敏感性及结果分析、时间复杂度分析,表明该文方法可以获得比其他识别方法更高的正确率,尤其是在小样本条件下更能体现出该方法的有效性和可靠性.

关键词：意图识别、置信规则库、证据推理、模糊集

所属期刊栏目：45

分类号：TP182;TP391(自动化基础理论)

资助基金：国防科技卓越青年人才基金;泰山学者工程专项

在线出版日期：2023-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：941-948