发明名称 |
一种人机交互中自然语言意图理解方法 |
摘要 |
本发明公开了一种人机交互中自然语言意图理解的方法,首先对文本自然语言指令数据进行意图标注,将每句文本标注一个意图;然后将文本向量化,这里在传统的文本向量空间模型的基础上,融合了文本指令的词性信息,定义了一种新的文本表示模型——词性向量空间模型;然后,将堆栈式去噪自编码器应用于自然语言指令意图理解,提取指令的高阶特征;最后,用支持向量机进行训练和预测,实现自然语言指令的意图理解。本发明能够挖掘自然语言指令中更多的语义信息,提高意图理解的识别率,还采用了堆栈式去噪自编码器,在训练时加入随机噪声,更贴近实际应用场景,使得训练得到的模型具有更强的泛化能力。 |
申请公布号 |
CN105786798A |
申请公布日期 |
2016.07.20 |
申请号 |
CN201610102111.2 |
申请日期 |
2016.02.25 |
申请人 |
上海交通大学 |
发明人 |
赵群飞;李瀚清;蒋天峰 |
分类号 |
G06F17/27(2006.01)I;G06F17/28(2006.01)I |
主分类号 |
G06F17/27(2006.01)I |
代理机构 |
上海新天专利代理有限公司 31213 |
代理人 |
张宁展 |
主权项 |
一种人机交互中自然语言意图理解方法,其特征在于,包括训练阶段和预测阶段,具体步骤如下:步骤1、建立指令体系数据库:根据对话应用场景,将对话的逻辑以及顺序以树形结构排列,树伸展的方向为对话进行的顺序,树的结点为一个意图;步骤2、对文本自然语言指令数据进行意图标注,将每句训练数据标注一个意图;步骤3、将文本自然语言指令数据向量化,构建词性向量空间模型;步骤4、用堆栈式去噪自编码器对词性向量空间模型中的向量进行压缩感知,提取指令的高阶特征,即高阶特征向量;步骤5、用支持向量机进行训练和预测,实现自然语言指令的意图理解。 |
地址 |
200240 上海市闵行区东川路800号 |