ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique

APPEL À
CONTRIBUTION
« Intelligence Artificielle et Agriculture Numérique »
En savoir plus >>
Autres revues >>

Revue d'Intelligence Artificielle

0992-499X
Revue des Sciences et Technologies de l'Information
Nouvel éditeur en 2019
 

 ARTICLE VOL 32/SI - 2018  - pp.103-114  - doi:10.3166/ria.32.S1.103-114
TITRE
Nouvelle méthode d'appariement sémantique pour les chatbots basée sur un réseau de neurones convolutionnel et un mécanisme d'attention

TITLE
A novel semantic matching method for chatbots based on convolutional neural network and attention mechanism

RÉSUMÉ

Compte tenu de la popularité des Chatbots, cet article vise à développer une méthode d'appariement sémantique souhaitable pour les Chatbots, qui minimise les interventions manuelles, s'adapte aux données volumineuses et fonctionne bien pour l'extraction de fonctionnalités sémantiques. Plus précisément, le réseau de neurones à convolution (CNN, le sigle de « convolutional neural network » en anglais) parallèle a été intégré au mécanisme d’attention dans un nouveau modèle d’appariement sémantique, qui élimine le besoin d’extraction manuelle des fonctionnalités pour la représentation sémantique. Le CNN a été adopté pour apprendre les fonctionnalités sémantiques des phrases courtes et un mécanisme d’attention a été ajouté pour éviter la perte des fonctionnalités sémantiques O sous-jacentes après la convolution et les opérations de regroupement et pour améliorer l’interaction entre les phrases et les fonctionnalités sous-jacentes. Ensuite, l’algorithme word2vec (W2V) a été adopté pour la représentation distribuée du corpus et le mot vecteur a été formé comme entrée du modèle pour le appariement sémantique. Les résultats expérimentaux montrent que notre modèle surpasse la méthode traditionnelle d’apprentissage machine. Les résultats de la recherche ont jeté un nouvel éclairage sur l'analyse sémantique des questions de langage naturel et sur la conversation entre le Chatbot et les utilisateurs.



ABSTRACT

In view of the popularity of chatbots, this paper aims to develop a desirable semantic matching method for chatbots that minimizes manual intervention, fits in with large data and works well in extracting semantic features. Specifically, the parallel convolutional neural network (CNN) was integrated with the attention mechanism into a new semantic matching model, which eliminates the need for manual feature extraction for semantic representation. The CNN was adopted to learn the semantic features of short sentences, and the attention mechanism was added to prevent the loss of underlying semantic features o after convolution and pooling operations and enhance the interaction between sentences and underlying features. Then, the word2vec (W2V) algorithm was adopted for distributed representation of corpus, and the word vector was trained as the input of the model for semantic matching. The experimental results show that our model outperformed the traditional machine learning method. The research findings shed new light on semantic analysis of natural language questions and the conversation between chatbot and users.



AUTEUR(S)
FANGHONG SHAN, LAIQIN ZHAO, Feng YANG

MOTS-CLÉS
appariement sémantique, réseau de neurones à convolution (CNN), traitement du langage naturel, chatbot

KEYWORDS
semantic matching, convolutional neural network (CNN), natural language processing, chatbot.

LANGUE DE L'ARTICLE
Anglais

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (381 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier