MATCHING BASED INTENT UNDERSTANDING WITH TRANSFER LEARNING

Described herein is a mechanism to identify user intent in requests submitted to a system such as a digital assistant or question-answer systems. Embodiments utilize a match methodology instead of a classification methodology. Features derived from a subgraph retrieved from a knowledge base based on the request are concatenated with pretrained word embeddings for both the request and a candidate predicate. The concatenated inputs for both the request and predicate are encoded using two independent LSTM networks and then a matching score is calculated using a match LSTM network. The result is identified based on the matching scores for a plurality of candidate predicates. The pretrained word embeddings allow for knowledge transfer since pretrained word embeddings in one intent domain can apply to another intent domain without retraining. La présente invention concerne un mécanisme pour identifier une intention d'utilisateur dans des requêtes soumises à un système, tel qu'un assistant numérique ou des systèmes de questions-réponses. Des modes de réalisation utilisent une méthodologie de mise en correspondance au lieu d'une méthodologie de classification. Des caractéristiques dérivées à partir d'un sous-graphe extrait à partir d'une base de connaissances sur la base de la requête sont concaténées avec des intégrations de mots pré-appris pour à la fois la requête et un prédicat candidat. Les entrées concaténées pour à la fois la requête et le prédicat sont codées à l'aide de deux réseaux LSTM indépendants, puis un score de correspondance est calculé à l'aide d'un réseau LSTM de mise en correspondance. Le résultat est identifié sur la base des scores de correspondance pour une pluralité de prédicats candidats. Les intégrations de mots pré-appris permettent un transfert de connaissances puisque des intégrations de mots pré-appris dans un domaine d'intention peuvent s'appliquer à un autre domaine d'intention sans réapprentissage.