首页|基于异构图神经网络的检务知识咨询业务分类

基于异构图神经网络的检务知识咨询业务分类

扫码查看
原文链接
  • 万方数据
  • 维普
随着检察机关办理的案件日益增多,用户对检务领域知识的咨询需求逐年增大,传统依靠检察机关领域专家人工解答回复的方式难以应对大规模的咨询服务.为了提高用户咨询服务效率,提升计算机正确理解用户提问意图的能力,提出了一种面向检务知识咨询的异构图神经网络业务类型分类模型.该模型以基于句法依存分析的图表示、基于邻域窗口的图表示作为输入,分别以RGCN和GAT图神经网络作为特征编码器,并通过特征融合实现用户提问内容业务类型预测.同时引入辅助分类器优化特征编码器的学习并提升模型性能,并采用Focal Loss损失函数有效解决了样本数据不均衡问题.此外,该模型与传统深度学习文本分类模型、目前主流的BERT模型在宏平均准确率、模型大小、推理时间等多个维度进行性能对比.对比实验显示,该模型在测试集上的宏平均准确率均优于文本分类基准模型,模型大小和推理时间远小于BERT模型.
Heterogeneous Graph Neural Network Based Business Classification for Procuratorial-knowledge Query

蔡惠民、印忠文、岳世彬

展开 >

中电科大数据研究院有限公司,贵州 贵阳 550022

提升政府治理能力大数据应用技术国家工程实验室,贵州 贵阳 550022

智慧检务 异构图神经网络 意图识别 业务分类 检答网

国家重点研发计划天津市科技计划

2020YFC083300319YFZCGX00680

2022

10.3969/j.issn.1673-629X.2022.10.033

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(10)
  • 6