意图识别与槽填充
来源:互联网 发布:一键生成淘宝客二维码 编辑:程序博客网 时间:2024/06/11 23:37
Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling
摘要
这篇文章主要介绍了使用Attention-Based RNN模型识别意图和槽填充(slot filling)。意图识别通常使用分类的方法将句子分为相应的意图种类。槽填充则可以看做是序列标注问题,即对于给定的句子中的每个词分别打上相应的标签。例如句子“first/class/fares/from/boston/to/denver.”,每个词对应的标签为”B-class_type/I-class_type/O/O/B-fromloc/B-toloc”。槽填充既可以用RNN模型也可以用encoder-dedoder 模型解决。即源输入是句子序列,目标输出则是标注序列,同时意图识别也可以用encoder-dedoder 模型解决。即源输入是句子序列,目标输出则是意图种类。但是对与槽填充来说,句子与相应的标签是一 一对应的,也就是说有“explicit alignment”。作者提出了两种模型,一种是将“alignment information”加入到encoder-dedoder 模型中,另一种就是将“alignment information”和”attention“加入到RNN模型中来解决槽填充和意图识别问题。
Encoder-Decoder Model with Aligned Inputs
图a没有使用对齐输入
Attention-Based RNN Model
相对于普通的RNN,这个模型在预测输出标签的时候使用了隐层状态
- 意图识别与槽填充
- 查询纠错、查询提示与意图识别
- query意图识别
- 查询的意图识别
- 搜索意图识别浅析
- 用户搜索意图识别读书笔记
- 意图与逻辑
- 如何来做用户意图识别
- 意图与逻辑 (二)
- Opencv 图像结构分析与形状识别—— drawContours函数用于绘制和填充
- (Android review)显示意图激活与隐式意图激活
- Android之显示意图与隐式意图
- 隐式意图与显式意图的基础
- 搜索引擎的查询意图识别(query理解)
- 搜索引擎的查询意图识别(关联分析)
- Facebook:FastText 理解和在query意图识别的应用
- 基于神经网络的文本意图(intent)识别
- 关于导航的连续意图识别的解决方案 百度UNIT
- 创业者必看:合伙人股权的进入机制与退出机制
- 使用Maven构建项目环境,利用Jsoup实现数据抓取(下)
- List接口
- Struts2了解
- 阿里巴巴 Java 开发手册
- 意图识别与槽填充
- OpenCV笔记(二)——基本图形的绘制
- 改题
- 蛇形输出、螺旋输出
- 蓝桥杯 2015 省赛 9 垒骰子
- 安卓App上架问题:包名冲突
- ChucK初步(13)
- bzoj1008 [HNOI2008]越狱
- CSS实战(2)