基于网格LSTM混合算法的地质领域用户意图识别

摘要：

针对传统基于模板匹配、关键词共现、人工特征集合等方法的问答机器人存在用户意图识别耗时、费力且扩展性不强的问题,本文结合地质领域文献中结构化知识问答的复杂特点,使用了基于网格记忆网络(LSTM+CRF+Lattice)与基于卷积神经网络(CNN)融合的优化模型.该模型将用户询问意图识别看作分类问题,首先使用网格记忆网络进行文本信息的命名实体识别及关系抽取,然后使用卷积神经网络将用户输入的其他文本信息进行属性分类,接着将分类结果转化为满足知识图谱查询的结构化方式,最终实现地质知识属性映射的用户询问意图识别.实验证明,在考虑地质知识特征的处理中,对于准确率的提升起到了极大帮助.

关键词：知识结构化、询问意图、实体识别、属性映射

所属期刊栏目：29

资助基金：国家重点研发计划;国土资源部大数据科研专项

在线出版日期：2020-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：44-52