聊天机器人中用户就医意图识别方法

摘要：

传统的聊天机器人中用户意图识别一般采用基于模板匹配或人工特征集合等方法,针对其费时费力而且扩展性不强的问题,并结合医疗领域聊天文本的特点,提出了基于短文本主题模型(BTM)和双向门控循环单元(BiGRU)的意图识别模型.该混合模型将用户就医意图识别看作分类问题,使用主题特征,首先通过BTM对用户聊天文本逐句进行主题挖掘并量化,然后送入BiGRU进行完整上下文学习得到连续语句最终表示,最后通过分类完成用户就医意图识别.对爬取的语料进行实验,BTM-BiGRU方法明显优于传统的支持向量机(SVM)等方法,其F值更是高出目前较好的卷积长短期记忆组合神经网络(CNN-LSTM)近1.5个百分点.实验结果表明,在本任务上该混合模型重点考虑研究对象的特点,能有效提高意图识别的准确率.

关键词：就医意图识别、医疗聊天文本、短文本主题模型、双向门控循环单元、模板匹配

所属期刊栏目：38

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目81360230,81560296

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2170-2174