基于多粒度特征融合的用户意图分类

摘要：

移动通讯公司拥有大量的客户交互记录,但一直无法自动识别用户意图.将原始文本库中的所有文本分别以字粒度、词粒度进行处理,使用文本向量训练工具对序列库进行训练得到文本向量模型,分别使用字向量、词向量表示文本;构建融合卷积神经网络(Convolutional Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)的字词多粒度用户意图分类模型,将不同粒度的单模型分类结果按相应的权重进行融合,实现高效用户意图分类.在中移在线服务有限公司提供的数据集中使用K-f lo d方法对模型进行交叉测试实验,结果表明,多粒度特征融合模型比单一粒度特征模型具有更高的准确率.

关键词：CNN、LSTM、意图分类、多粒度、特征融合

所属期刊栏目：41

分类号：TP391.1(计算技术、计算机技术)

资助基金：河北省自然科学基金F2018209374

在线出版日期：2019-07-03（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：127-134