基于多粒度特征融合的用户意图分类

摘要

移动通讯公司拥有大量的客户交互记录,但一直无法自动识别用户意图。将原始文本库中的所有文本分别以字粒度、词粒度进行处理,使用文本向量训练工具对序列库进行训练得到文本向量模型,分别使用字向量、词向量表示文本;构建融合卷积神经网络(Convolutional Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)的字词多粒度用户意图分类模型,将不同粒度的单模型分类结果按相应的权重进行融合,实现高效用户意图分类。在中移在线服务有限公司提供的数据集中使用K-flod方法对模型进行交叉测试实验,结果表明,多粒度特征融合模型比单一粒度特征模型具有更高的准确率。