nach oben

Erschienen in:

2018 | OriginalPaper | Buchkapitel

Dialogue Intent Classification with Long Short-Term Memory Networks

verfasst von : Lian Meng, Minlie Huang

Erschienen in: Natural Language Processing and Chinese Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

Dialogue intent analysis plays an important role for dialogue systems. In this paper, we present a deep hierarchical LSTM model to classify the intent of a dialogue utterance. The model is able to recognize and classify user’s dialogue intent in an efficient way. Moreover, we introduce a memory module to the hierarchical LSTM model, so that our model can utilize more context information to perform classification. We evaluate the two proposed models on a real-world conversational dataset from a Chinese famous e-commerce service. The experimental results show that our proposed model outperforms the baselines.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Cascaded LSTMs Based Deep Reinforcement Learning for Goal-Driven Dialogue

Nächstes Kapitel An Ensemble Approach to Conversation Generation

Austin, J.L., Gu, Y.: How to Do Things With Words. Clarendon Press, Oxford (2012)

Liu, C., Xu, P., Sarikaya, R.: Deep Contextual Language Understanding in Spoken Dialogue Systems (2015)

Shen, L., Zhang, J.: Empirical Evaluation of RNN Architectures on Sentence Classification Task (2016)

Bub, T., Schwinn, J.: VERBMOBIL: The Evolution of a Complex Large Speech-to-Speech Translation System, vol. 4, pp. 2371–2374, October 1996

Surendran, D., Levow, G.A.: Dialog act tagging with support vector machines and hidden Markov models. In: Proceedings of INTERSPEECH/ICSLP, pp. 1–28 (2006)

Ali, S.A., Sulaiman, N., Mustapha, A., Mustapha, N.: Improving accuracy of intention-based response classification using decision tree. Inf. Technol. J. 8(6), 923–928 (2009)CrossRef

Keizer, S.: Dialogue Act Modelling Using Bayesian Networks (2001)

Niimi, Y., Oku, T., Nishimoto, T., Araki, M.: A rule based approach to extraction of topics and dialog acts in a spoken dialog system. In: EUROSPEECH 2001 Scandinavia, European Conference on Speech Communication and Technology, INTERSPEECH Event, Aalborg, Denmark, September, pp. 2185–2188 (2001)

Henderson, M., Thomson, B., Young, S.: Word-based dialog state tracking with recurrent neural networks. In: Meeting of the Special Interest Group on Discourse and Dialogue, pp. 292–299 (2014)

10.

Khanpour, H., Guntakandla, N., Nielsen, R.: Dialogue act classification in domain-independent conversations using a deep recurrent neural network. In: COLING (2016)

11.

Weston, J., Chopra, S., Bordes, A.: Memory networks. Eprint Arxiv (2014)

12.

Peng, B., Yao, K., Jing, L., Wong, K.-F.: Recurrent neural networks with external memory for spoken language understanding. In: Li, J., Ji, H., Zhao, D., Feng, Y. (eds.) NLPCC 2015. LNCS (LNAI), vol. 9362, pp. 25–35. Springer, Cham (2015). https://doi.org/10.1007/978-3-319-25207-0_3 CrossRef

13.

Sukhbaatar, S., Szlam, A., Weston, J., Fergus, R.: End-to-end memory networks. Comput. Sci. (2015)

14.

Kumar, A., Irsoy, O., Ondruska, P., Iyyer, M., Bradbury, J., Gulrajani, I., Zhong, V., Paulus, R., Socher, R.: Ask me anything: dynamic memory networks for natural language processing. Comput. Sci. 1378–1387 (2015)

15.

Mikolov, T., Karafiát, M., Burget, L., Cernocký, J., Khudanpur, S.: Recurrent neural network based language model. In: INTERSPEECH 2010, Conference of the International Speech Communication Association, Makuhari, Chiba, Japan, September, pp. 1045–1048 (2010)

16.

Deng, L.Y.: The cross-entropy method: a unified approach to combinatorial optimization, Monte-Carlo simulation, and machine learning. Technometrics 48(1), 147–148 (2006)CrossRef

17.

Mikolov, T., Chen, K., Corrado, G., Dean, J.: Efficient estimation of word representations in vector space. Comput. Sci. (2013)

Titel: Dialogue Intent Classification with Long Short-Term Memory Networks
verfasst von: Lian Meng
Minlie Huang
Verlag: Springer International Publishing
Buch: Natural Language Processing and Chinese Computing
Print ISBN: 978-3-319-73617-4

Electronic ISBN: 978-3-319-73618-1

Copyright-Jahr: 2018
DOI: https://doi.org/10.1007/978-3-319-73618-1_4

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"