摘要：随着对话系统的不断发展,越来越多的对话机器人产品走进了人们的生活中,但是人类对话时多使用短句和省略语,对话的内容很难在单轮对话中交代清楚,导致大部分产品的对话体验并不好。通过多轮对话可以收集更多的语义信息,更准确的理解提问者的意图,多轮对话下的意图识别问题已经成为新的研究热点。随着深度学习的发展,利用神经网络模型解决对话系统的意图识别逐渐成为主流,但是如何利用对话的历史信息来理解当前对话的意图,是对话系统的难点。本文提出了一种新的基于记忆网络的多轮对话意图识别框架,在现有的记忆网络模型上引入注意力机制来抽取上下文信息,设计forget gate对历史信息的引入加以控制,综合实现多轮对话的意图识别。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社