公开(公告)号：CN105786798A

公开(公告)日：2016-07-20

申请号：CN201610102111.2

申请日：2016-02-25

Applicant: 上海交通大学

Inventor： 赵群飞 ,  李瀚清 ,  蒋天峰

IPC: G06F17/27 ,  G06F17/28

CPC classification number: G06F17/2785 ,  G06F17/28

Abstract: 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。

公开(公告)号：CN105786798B

公开(公告)日：2018-11-02

申请号：CN201610102111.2

申请日：2016-02-25

Applicant: 上海交通大学

Inventor： 赵群飞 ,  李瀚清 ,  蒋天峰

IPC: G06F17/27 ,  G06F17/28

Abstract: 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。