-
题名面向人机对话意图分类的混合神经网络模型
被引量：11
- 1
-
-
作者
周俊佐
朱宗奎
何正球
陈文亮
张民
-
机构
苏州大学计算机科学与技术学院人工智能研究院
-
出处
《软件学报》
EI
CSCD
北大核心
2019年第11期3313-3325,共13页
-
基金
国家自然科学基金(61876115,61572338,61525205)
江苏高校优势学科建设工程(PAPD)~~
-
文摘
随着人机对话的不断发展,让计算机能够准确地理解用户查询意图,对整个人机对话领域都有着重要意义.意图分类的主要目标是在人机对话的过程中判断用户的意图,提升人机对话系统的准确度与自然度.首先分析多个分类模型在意图分类任务上的优缺点.在此基础上,提出一种混合神经网络模型,综合利用多个深度网络模型的多样性输出.在输入特征预处理上,采用语言模型词向量,将语言模型拥有的语义挖掘能力应用到混合网络中,可以进一步提升模型的表达能力.所提出的混合神经网络模型相对于最好的基准模型在两份数据集上分别取得了2.95%和3.85%的性能提升.新模型在该数据上取得了最优的性能.
-
关键词
混合模型
意图分类
语言模型
注意力机制
胶囊网络
-
Keywords
hybrid model
intention classification
language model
attention mechanism
capsule network
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名噪音环境下声音诱发脑电信号的说话人识别
被引量：3
- 2
-
-
作者
胡朗
周俊佐
颜伟鹏
莫佳洋
张建海
-
机构
杭州电子科技大学计算机学院
-
出处
《杭州电子科技大学学报（自然科学版）》
2023年第1期62-68,共7页
-
基金
浙江省重点研发计划国际合作项目(2020C04009)
浙江省属高校业务基本经费资助项目(GK219909299001-026)。
-
文摘
环境噪音与说话人识别息息相关,文章主要研究环境噪音对说话人识别的影响。首先,在孪生神经网络的卷积层中添加注意力层,对说话人相关的特征赋予更大的权重,从而减小环境噪音带来的影响;其次,将说话人音频和不同类型噪音音频融合成双轨音频,设置成不同的信噪比,记录被试的脑电信号,探究不同类型噪音和不同信噪比环境对说话人识别性能的影响。研究发现,在流水声噪音和人声噪音下,随着信噪比的降低,说话人识别准确率均下降,且人声噪音的影响力更大;使用注意力机制改进孪生神经网络后,噪音环境下的说话人识别准确率得到显著提高,Delta频段下的识别准确率提高了7%~12%,High Gamma频段下的识别准确率提高了5%~11%。
-
关键词
说话人识别
脑电信号
注意力机制
孪生神经网络
-
Keywords
speaker recognition
EEG
attention mechanism
siamese neural network
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
