第60卷第6期2023年6月15日电测与仪表ElectricalMeasurement&InstrumentationVol.60No.6Jun.15,2023基于深度学习的新型电力智能交互平台多任务集成模型研究程超',葛维",郭兰柯²,陈博",张亚炜1（1.国网河北省电力有限公司，石家庄050000；2.国网河北省电力有限公司石家庄供电分公司，石家庄050000；3.国网河北省电力有限公司营销服务中心，石家庄050000)摘要：意图理解是新一代电力智能交互平台中的一项基础技术。通过将用户诉求自动分类与分级，可以大幅提升服务效率和质量。针对电力交互平台中的意图理解问题，提出一种基于深度学习的多任务集成模型，该模型可以同时训练意图理解中密切相关的两项子任务：意图检测（IntentDetection）与语义槽填充（SlotFilling）。使用具有长短期记忆(Long-ShortTermMemory,LSTM)结构和门控循环单元（GatedRecurrentUnit,GRU）的深度双向循环神经网络（RecurrentNeuralNetwork，RNN）作为基本分类器，多层感知机（Multi-LayerPerceptron，MLP）框架用于组合输出结果,并基于词向量特征与词性特征对模型进行增强。在真实数据上的实验表明该集成多任务模型相比单一模型或其他主流方法更为有效。关键词：意图理解；深度学习；循环神经网络；自然语言处理；电力服务D0I:10.19753/j.issn1001-1390.2023.06.012中图分类号：TM93Researchonmulti-taskensemblemodelbasedondeeplearningfor(1.StateGridHebeiElectricPowerCompany,Shijiazhuang050000,China.2.ShijiazhuangPowerSupplyCompany,StateGridHebeiElectricPowerCompany,Shjiazhuang050000,China.3.MarketingServiceCenter,StateGridHebeiElectricPowerCompany,Shijiazhuang050000,China)Abstract:Intentunderstandingisafundamentaltechnologyinnovelpowerintelligentinteractionplatform.Throughclas-sifyingandgradingintentsofcustomersautomatically,theefficiencyandqualityofpowerservicecanberemarkablyim-proved.Towardsintentunderstandingprobleminpowerinteractionplatform,amulti-taskensemblemodelbasedondeeplearningisproposed,whichcansimultaneouslytraintwocloselyrelatedsub-tasksinintentunderstanding,namedintentdetectionandslotfilling.Recurrentneuralnetwork(RNN)withlong-shorttermmemory(LSTM)andgatedrecurrentu-nit(GRU)respectivelyareusedasbasicclassifierintheproposedmodel,andmulti-layerperceptron(MLP)generatesthefinalo...
