资料下载
×
如何解决聊天机器人中用户就医意图识别方法
消耗积分:0 |
格式:rar |
大小:0.76 MB |
2019-01-11
分享资料个
传统的聊天机器人中用户意图识别一般采用基于模板匹配或人工特征集合等方法，针对其费时费力而且扩展性不强的问题，并结合医疗领域聊天文本的特点，提出了基于短文本主题模型（ BTM）和双向门控循环单元（ BiGRU）的意图识别模型。该混合模型将用户就医意图识别看作分类问题，使用主题特征，首先通过BTM对用户聊天文本逐句进行主题挖掘并量化，然后送入BiGRU进行完整上下文学习得到连续语句最终表示，最后通过分类完成用户就医意图识别。对爬取的语料进行实验，BTM-BiGRU方法明显优于传统的支持向量机（SVM）等方法，其F值更是高出目前较好的卷积长短期记忆组合神经网络（ CNN-LSTM）近1.5个百分点。实验结果表明，在本任务上该混合模型重点考虑研究对象的特点，能有效提高意图识别的准确率。
近年来，人工智能发展迅猛，逐渐融人各个领域，其中在医疗领域的应用正引起学术界和工业界广泛关注。不少在线医疗平台开始使用聊天机器人来提供健康咨询服务，这时聊天机器人不仅充当客服角色，更多起到一个健康咨询师的作用。在和“健康咨询师”聊天过程中，用户会产生大量数据，不仅包含其健康信息，还包含其他相关信息。如果能够利用这些信息提前判断出用户就医倾向，则可以为下一步给用户提出合理治疗建议以及推荐相应科室作好准备。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
