面向微博用户的消费意图识别算法

利用迁移学习的方法,融合京东问答平台数据与少量已标注的微博数据构建训练集,提出一种基于注意力机制的双向长短期记忆神经网络(Attentional-Bi-LSTM)模型,用于识别用户的隐性消费意图.针对显性意图识别问题,提出一种结合TF-IDF (term frequency-inverse document frequency)与句法分析中动宾关系(VOB)的消费意图对象提取算法.实验结果表明,通过将迁移京东问答平台的数据与微博数据相融合,可以有效地扩充训练集,在此基础上训练的神经网络分类模型具有较高的准确率和召回率;融合VOB和TF-IDF的显性消费意图对象提取方法的准确率达到78.8％....

Full description

Saved in:
Bibliographic Details
Published in北京大学学报（自然科学版） Vol. 56; no. 1; pp. 68 - 74
Main Authors 贾云龙, 韩东红, 林海原, 王国仁, 夏利
Format Journal Article
LanguageChinese
Published 东北大学计算机科学与工程学院,沈阳,110819%北京理工大学计算机学院,北京,100081 20.01.2020
Subjects
注意力机制
意图对象提取
迁移学习
消费意图识别
Online AccessGet full text
ISSN0479-8023
DOI10.13209/j.0479-8023.2019.102

Cover

More Information
Summary:利用迁移学习的方法,融合京东问答平台数据与少量已标注的微博数据构建训练集,提出一种基于注意力机制的双向长短期记忆神经网络(Attentional-Bi-LSTM)模型,用于识别用户的隐性消费意图.针对显性意图识别问题,提出一种结合TF-IDF (term frequency-inverse document frequency)与句法分析中动宾关系(VOB)的消费意图对象提取算法.实验结果表明,通过将迁移京东问答平台的数据与微博数据相融合,可以有效地扩充训练集,在此基础上训练的神经网络分类模型具有较高的准确率和召回率;融合VOB和TF-IDF的显性消费意图对象提取方法的准确率达到78.8％.
ISSN:0479-8023
DOI:10.13209/j.0479-8023.2019.102