胶囊网络用于短文本多意图识别的研究

摘要

意图识别是人机对话系统中口语理解的关键子任务.考虑到当前用户表达存在多个意图的问题,主要采用胶囊网络构造基于单意图标记的多意图分类器对用户表达的多种意图进行识别.为了保证意图文本的特征质量,通过在胶囊网络中增加卷积胶囊层提取意图文本的深层次语义信息,同时利用胶囊网络中的动态路由将特征胶囊动态分配到意图胶囊类别中,通过设置阈值大小判别多种意图存在的概率,从而完成多意图识别任务.实验结果表明在多意图识别任务中,胶囊网络优于卷积神经网络,而增加卷积胶囊层的胶囊网络可以提升多意图识别的性能效果,在中文和英文数据集上的宏平均F1值分别达到77.3％和94.7％.