基于字符级循环网络的查询意图识别模型

摘要：

以特征模板为主的查询意图识别方法存在人工抽取特征繁琐,并且难以捕捉文本语义信息的问题.为此,基于字符级循环网络,提出一种新的查询意图识别模型.为能有效提取句子深层次语义特征,减少长距离信息依赖的限制,使用长短时记忆网络(LSTM)作为神经网络线性变换层,同时增加一层反向LSTM抽取字符的将来信息特征.使用原始汉字直接作为模型的输入,避免分词结果不准确带来的错误传导问题,利用字符的分布向量表示方法,提高句子语义特征的获取.实验结果表明,该方法整体准确率达到90.7%,相比特征模板方法有所提升,能提高用户查询意图的分类性能.

关键词：查询意图、字符级、循环神经网络、记忆网络、词向量

所属期刊栏目：43

分类号：TP399(计算技术、计算机技术)

资助基金：国家自然科学基金61202100

在线出版日期：2017-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：181-186