基于胶囊网络的意图识别方法研究
发布时间：2022-12-11 03:22
近年来,随着人工智能技术的不断发展,人机对话系统受到广泛的关注。口语理解是人机对话系统中的一部分,而且至关重要,目的是让机器理解用户的具体需求从而给出合理的答复。为了明确用户表达的意图需求,意图识别是口语理解中的关键子任务,同时意图识别的准确性直接关系到语义槽填充的性能并且有助于后续对话系统的研究。考虑到人与机器的频繁交互以及用户表达的多样性,用户话语中有时不仅仅包含一种意图,而是含有多种意图,所以意图识别任务可以分为单意图识别和多意图识别两个任务。本文通过分析传统的机器学习方法和深度学习方法在单意图识别任务和多意图识别任务上的研究,进一步思考如何将深度学习模型合理地运用到意图识别任务中。胶囊网络中的胶囊含有丰富的特征信息,动态路由可以动态学习神经网络层之间的关系,不仅可以保留出现概率较小的语义特征,而且具有很好地拟合特征的能力,适用于小型数据集。因此,本文主要采用胶囊网络分别在单意图识别任务和多意图识别任务上进行研究,具体工作如下:（1）针对卷积神经网络中的池化操作不能完全利用句子中的所有特征信息这一问题,本文采用胶囊网络解决这一问题并将其应用于单意图文本中,通过使用动态路由算法合理...
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
中文摘要
abstract
第1章 引言
1.1 研究背景
1.2 研究意义
1.3 意图识别存在的问题
1.4 本文研究的主要内容与论文结构
第2章 相关工作
2.1 引言
2.2 单意图识别
2.2.1 传统的机器学习方法
2.2.2 深度学习方法
2.3 多意图识别
2.3.1 传统的机器学习方法
2.3.2 深度学习方法
2.4 胶囊网络
2.5 本章小结
第3章 基于胶囊网络的单意图识别方法
3.1 引言
3.2 意图文本表示
3.3 模型构建
3.4 实验与分析
3.4.1 实验数据集
3.4.2 实验设置
3.4.3 评价方法
3.4.4 实验结果分析
3.5 本章小节
第4章 基于胶囊网络的多意图识别方法
4.1 引言
4.2 问题定义
4.3 模型构建
4.3.1 增加卷积胶囊层的改进方法
4.3.2 增加不同卷积核的改进方法
4.4 模型实验与分析
4.4.1 实验数据集
4.4.2 实验设置
4.4.3 评价方法
4.4.4 实验结果分析
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读学位期间发表的论文
【参考文献】：
期刊论文
[1]胶囊网络用于短文本多意图识别的研究[J]. 刘娇,李艳玲,林民. 计算机科学与探索. 2020(10)
[2]胶囊网络模型综述[J]. 杨巨成,韩书杰,毛磊,代翔子,陈亚瑞. 山东大学学报(工学版). 2019(06)
[3]基于标签相关性的类属属性多标签分类算法[J]. 牟甲鹏,蔡剑,余孟池,徐建. 计算机应用研究. 2020(09)
[4]基于联合模型的多标签文本分类研究[J]. 刘心惠,陈文实,周爱,陈飞,屈雯,鲁明羽. 计算机工程与应用. 2020(14)
[5]人机对话系统中意图识别方法综述[J]. 刘娇,李艳玲,林民. 计算机工程与应用. 2019(12)
[6]融合CNN和标签特征的中文文本情绪多标签分类[J]. 李德玉,罗锋,王素格. 山西大学学报(自然科学版). 2020(01)
[7]胶囊网络技术及发展趋势研究[J]. 朱应钊,胡颖茂,李嫚. 广东通信技术. 2018(10)
[8]聊天机器人中用户就医意图识别方法[J]. 余慧,冯旭鹏,刘利军,黄青松. 计算机应用. 2018(08)
[9]结合句法特征和卷积神经网络的多意图识别模型[J]. 杨春妮,冯朝胜. 计算机应用. 2018(07)
[10]统计中文口语理解执行策略的研究[J]. 李艳玲,颜永红. 计算机科学与探索. 2017(06)
硕士论文
[1]基于深度学习的多标签短文本分类方法研究[D]. 徐晓璐.桂林电子科技大学 2019
[2]文本的分层表示及情感分类方法研究[D]. 胡均毅.中国科学技术大学 2019
[3]人机对话系统中用户意图分类方法研究[D]. 黄佳伟.华中师范大学 2018
[4]聊天机器人中用户出行消费意图识别方法研究[D]. 钱岳.哈尔滨工业大学 2017
[5]一种基于AdaBoost和SVM的短文本分类模型[D]. 贾俊华.河北工业大学 2016
[6]电商客服自动问答系统的商品意图识别[D]. 岳芸.五邑大学 2016
[7]基于微博的消费意图挖掘[D]. 陈浩辰.哈尔滨工业大学 2014
本文编号：3718044
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
中文摘要
abstract
第1章 引言
1.1 研究背景
1.2 研究意义
1.3 意图识别存在的问题
1.4 本文研究的主要内容与论文结构
第2章 相关工作
2.1 引言
2.2 单意图识别
2.2.1 传统的机器学习方法
2.2.2 深度学习方法
2.3 多意图识别
2.3.1 传统的机器学习方法
2.3.2 深度学习方法
2.4 胶囊网络
2.5 本章小结
第3章 基于胶囊网络的单意图识别方法
3.1 引言
3.2 意图文本表示
3.3 模型构建
3.4 实验与分析
3.4.1 实验数据集
3.4.2 实验设置
3.4.3 评价方法
3.4.4 实验结果分析
3.5 本章小节
第4章 基于胶囊网络的多意图识别方法
4.1 引言
4.2 问题定义
4.3 模型构建
4.3.1 增加卷积胶囊层的改进方法
4.3.2 增加不同卷积核的改进方法
4.4 模型实验与分析
4.4.1 实验数据集
4.4.2 实验设置
4.4.3 评价方法
4.4.4 实验结果分析
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
攻读学位期间发表的论文
【参考文献】：
期刊论文
[1]胶囊网络用于短文本多意图识别的研究[J]. 刘娇,李艳玲,林民. 计算机科学与探索. 2020(10)
[2]胶囊网络模型综述[J]. 杨巨成,韩书杰,毛磊,代翔子,陈亚瑞. 山东大学学报(工学版). 2019(06)
[3]基于标签相关性的类属属性多标签分类算法[J]. 牟甲鹏,蔡剑,余孟池,徐建. 计算机应用研究. 2020(09)
[4]基于联合模型的多标签文本分类研究[J]. 刘心惠,陈文实,周爱,陈飞,屈雯,鲁明羽. 计算机工程与应用. 2020(14)
[5]人机对话系统中意图识别方法综述[J]. 刘娇,李艳玲,林民. 计算机工程与应用. 2019(12)
[6]融合CNN和标签特征的中文文本情绪多标签分类[J]. 李德玉,罗锋,王素格. 山西大学学报(自然科学版). 2020(01)
[7]胶囊网络技术及发展趋势研究[J]. 朱应钊,胡颖茂,李嫚. 广东通信技术. 2018(10)
[8]聊天机器人中用户就医意图识别方法[J]. 余慧,冯旭鹏,刘利军,黄青松. 计算机应用. 2018(08)
[9]结合句法特征和卷积神经网络的多意图识别模型[J]. 杨春妮,冯朝胜. 计算机应用. 2018(07)
[10]统计中文口语理解执行策略的研究[J]. 李艳玲,颜永红. 计算机科学与探索. 2017(06)
硕士论文
[1]基于深度学习的多标签短文本分类方法研究[D]. 徐晓璐.桂林电子科技大学 2019
[2]文本的分层表示及情感分类方法研究[D]. 胡均毅.中国科学技术大学 2019
[3]人机对话系统中用户意图分类方法研究[D]. 黄佳伟.华中师范大学 2018
[4]聊天机器人中用户出行消费意图识别方法研究[D]. 钱岳.哈尔滨工业大学 2017
[5]一种基于AdaBoost和SVM的短文本分类模型[D]. 贾俊华.河北工业大学 2016
[6]电商客服自动问答系统的商品意图识别[D]. 岳芸.五邑大学 2016
[7]基于微博的消费意图挖掘[D]. 陈浩辰.哈尔滨工业大学 2014
本文编号：3718044
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3718044.html
