文献类型：期刊文章

作　　者：余慧[1] 冯旭鹏[2] 刘利军[1] 黄青松[1,3]

YU Hui1, FENG Xupeng2, LIU Lijun1, HUANG Qingsong1,3.(1. Faculty of Information Engineering and Automation, Kunming University of Science and Technology, Kunming Yunnan 650500, China; 2. Educational Technology and Network Center, Kunming University of Science and Technology, Kunming Yunnan 650500, China; 3. Yunnan Provincial Key Laboratory of Computer Technology Applications （ Kunming University of Science and Technology）, Kunming Yunnan 650500, China)

机构地区：[1]昆明理工大学信息工程与自动化学院,昆明650500 [2]昆明理工大学教育技术与网络中心,昆明650500 [3]云南省计算机技术应用重点实验室(昆明理工大学),昆明650500

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(81360230;81560296)~~

年　　份：2018

卷　　号：38

期　　号：8

起止页码：2170-2174

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

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(Bi GRU)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Bi GRU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-Bi GRU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  

分 类 号：TP391.1]