融合实体信息和时序特征的意图识别模型

人机对话意图识别旨在通过人机之间简短的对话识别出用户意图，通过对话文本的分类进而实现意图的识别。针对人机对话中因篇幅短导致语境匮乏和因对话随意性导致意图模糊的问题，提出了一种融合实体信息和时序特征的人机对话意图识别模型。在文本表示阶段，通过捕捉对话中实体信息来增强文本语义表达，并利用双向注意力机制动态生成符合语境的文本表示；并利用双向GRU提取对话上下文的时序特征来获取上下文意图之间的关系；通过级联多层gMLP,利用其内部空间控制单元自适应融合实体信息和时序特征，从而提升意图识别的准确率。为验证所提模型在多种任务上的效果，在不同意图识别任务数据集CCKS2018和SMP2018上进行实验，分别取得了90.6%和93.7%的准确率，对比CLSTM、DBN、Attention-RNN等具有代表性的模型，均有3%以上性能的提升。