Dissertação

Detecção de intenção do usuário utilizando modelos de aprendizagem profunda com uso de hashing semântico

Um módulo de reconhecimento de intenção do usuário pode ser considerado o componente principal de qualquer sistema de conversação. Intenções são propósitos ou objetivos expressos em uma entrada do usuário por meio de um aplicativo, sistema de busca, chats de conversação, etc. Diversas técnicas são u...

ver descrição completa

Autor principal: Costa, Rodrigo Azevedo da
Outros Autores: http://lattes.cnpq.br/8744419071105911
Grau: Dissertação
Idioma: por
Publicado em: Universidade Federal do Amazonas 2019
Assuntos:
Acesso em linha: https://tede.ufam.edu.br/handle/tede/7418
Resumo:
Um módulo de reconhecimento de intenção do usuário pode ser considerado o componente principal de qualquer sistema de conversação. Intenções são propósitos ou objetivos expressos em uma entrada do usuário por meio de um aplicativo, sistema de busca, chats de conversação, etc. Diversas técnicas são utilizadas e funcionam de maneira satisfatória de acordo com o cenário de aplicação. Atualmente, as técnicas de aprendizagem de máquina são consideradas o estado da arte para este tipo de tarefa e têm sido aplicadas em diversos trabalhos. Tais modelos possuem alta capacidade de representação e podem facilmente aprender as relações existentes entre os termos de um conjunto de treinamento. Entretanto, para alguns cenários não há uma grande quantidade de amostras e, consequentemente, realizar um aprendizado adequado por parte do método fica comprometido. Outro ponto importante é com relação à disposição dos termos dentro de uma sentença, dificuldade à qual muitas pesquisas não levam em consideração. Este trabalho implementa um módulo para reconhecimento de intenção do usuário baseado em modelos de aprendizagem profunda híbrido, levando em consideração a disposição dos termos de uma sentença gerando um valor adicional (hashing semântico) e algoritmos de incorporação de texto. Propomos a utilização desse valor extra apenas para as palavras consideradas mais importantes dentro de uma sentença criando uma representação mais direcionada. Como resultado, o modelo desenvolvido atingiu uma precisão média de 93,95%, superando em mais de 2 pontos percentuais os demais trabalhos avaliados mostrando a possibilidade de ganho com a utilização valores adicionais referentes a alguns termos da sentença.