典型文献
基于样本构造和孪生胶囊网络的医学意图识别
文献摘要：
意图识别是自然语言理解中的重要任务,为构建医疗领域对话系统奠定了基础.然而医学问句特征稀疏、种类易混淆,导致识别率不高.针对上述问题,提出了一种结合BERT和胶囊网络的S-BCN模型,并将意图识别任务转化为语义相似度任务进行处理.首先将意图分类数据集构造成问句对样本和问句意图对样本进行分阶段训练,一阶段通过将问句对样本输入BERT层生成词向量矩阵,然后通过胶囊网络层提取出局部语义特征,得到问句的向量表示,再通过计算向量的余弦距离得到问句对的语义相似度;二阶段将问句意图对样本输入模型再次进行训练,最后通过打分模块得到问句的意图类别.该方法在中文医疗信息处理挑战榜CBLUE的意图分类数据集上测试,其准确率达到86.76％,相比基线模型BERT提高2.61％.
文献关键词：
意图识别;孪生胶囊网络;医学信息;语义相似度
中图分类号：
作者姓名：
龚建全;王德军;孟博
作者机构：
中南民族大学 计算机科学学院,武汉430074
文献出处：
引用格式：
[1]龚建全;王德军;孟博-.基于样本构造和孪生胶囊网络的医学意图识别)[J].中南民族大学学报（自然科学版）,2022(05):606-612
A类：
CBLUE
B类：
孪生胶囊网络,意图识别,自然语言理解,医疗领域,对话系统,问句,特征稀疏,识别率,BERT,BCN,语义相似度,意图分类,分类数据,分阶段,阶段训练,成词,词向量,向量矩阵,网络层,出局,语义特征,向量表示,余弦距离,二阶段,打分,医疗信息,信息处理,比基,基线模型,医学信息
AB值：
0.335851
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
