结合句法特征和卷积神经网络的多意图识别模型

摘要 短文本的多意图识别是口语理解（SLU）中的难题，因短文本的特征稀疏、字数少但包含信息量大，在分类问题中难以提取其有效特征。为解决该问题，将句法特征和卷积神经网络（CNN）进行结合，提出一种多意图识别模型。首先，将句子进行依存句法分析以确定是否包含多意图；然后，利用词频-逆文档频率（TF-IDF）和训练好的词向量计算距离矩阵，以确定意图的个数；其次，把该距离矩阵作为CNN模型的输入，进行意图分类；最后，判断每个意图的情感极性，计算用户的真实意图。采用现有的智能客服系统的真实数据进行实验，实验结果表明，结合句法特征的CNN模型在10个意图上的单分类精准率达到93.5%，比未结合句法特征的CNN模型高1.4个百分点；而在多意图识别上，精准率比其他模型提高约30个百分点