周权 陈永生 郭玉臣

摘要：针对中文口语短文本缺少上下文信息、语法不规范和噪声较大等特征造成语义模糊，进而导致用户意图识别准确率不高的问题，提出了一种基于多特征融合的意图识别算法。算法对传统Bi-LSTM（Bi-directional Long Shot-Term Memory）文本分类算法进行改进，将原始文本的字向量、词向量、词性向量和实体知识库向量进行融合，结合字级别的意图识别模型，在人工标注的实际场景下的用户意图数据集上进行训练和测试。实验结果表明，改进后的用户意图识别算法在实际场景中准确率等评价指标有明显提高。

关键词：意图识别;短文本分类;多特征融合;词嵌入;深度学习;Bi-LSTM

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2020）21-0028-04

开放科学（资源服务）标识码（OSID）：

1 引言

近年来，随着“AI赋能”“智能+”等概念的不断提出，人工智能技术推动传统产业向数字化、智能化方向升级，使人们的生活方式发生了翻天覆地的变化。即时通讯、智能客服、语音助理等应用应运而生，极大地方便了人们的生活，在这些人机交互系统中，能够正确识别用户意图是做出合理回应的基础，一旦用户意图判断错误，那么机器回应就会出现答非所问的情况，十分影响用户体验。针对中文字符缺少空格来分割语义，口语语法灵活多变等特点，本文提出了一种基于多特征融合的意图识别算法。该算法主要针对文本向量化表示和意图分类模型两方面进行改进，实现更高精度的短文本分类算法，从而准确识别用户意图。……