郑新月,任俊超

(东北大学理学院,辽宁 沈阳 110004)

0 引 言

近年来，信息技术正冲击着传统产业，它为人们提供了便捷的服务，如智能机器人、智能客服、人机对话等，它们的迅速发展为用户提供了一种简单、方便的沟通方式。其中，意图识别分类是问答系统的核心任务，是提高系统整体性能的关键[1-3]。它主要利用句子的语义特征进行分类，是自然语言处理领域非常热门的研究方向和关键技术之一。

意图识别的目的在于理解某一句话的意图，基本思想是：首先根据文本语义信息，定义可能出现的意图类别，然后采用自定义的分类方法，将该语句划分到事先定义的类别中[4]。目前，意图识别分类的研究主要有3种方法。

一是基于规则、模板匹配的正则化方法。该方法针对特定问题,通过人工提取特定规则，来确定问题所属类型。如Ramanand等[5]提出了一种基于规则、模板匹配的正则化方法，将用户的消费意图进行分类。这种方法简单直接，易于解释且不需要大量的数据进行训练，但是规则制定繁琐，可扩展性不强，泛化能力差。

二是基于机器学习的方法。该方法通过对标注语料进行统计学习，把分类模型的选择和分类特征的提取作为重点研究对象[6]。常用的方法有逻辑回归、支持向量机、决策树等。陈浩辰[7]使用支持向量机和朴素贝叶斯进行意图识别分类研究。该方法首先需要构造特征工程，再对文本进行分类，导致理解文本深层的语义信息比较困难，特征的准确性无法得到保证，当数据集发生变化时，需要重新构造特征工程，时间复杂度较高，成本较高。……