典型文献
基于BERT的意图分类与槽填充联合方法
文献摘要：
口语理解是自然语言处理的一个重要内容,意图分类和槽填充是口语理解的两个基本子任务.最近的研究表明,共同学习这两项任务可以起到相互促进的作用.该文提出了一个基于BERT的意图分类联合模型,通过一个关联网络使得两个任务建立直接联系和共享信息,以此来提升任务效果.模型引入BERT来增强词向量的语义表示,有效解决了目前联合模型由于训练数据规模较小导致的泛化能力较差的问题.在ATIS和Snips数据集上的实验结果表明,该模型能有效提升意图分类和槽填充的性能.
文献关键词：
意图分类;槽填充;BERT;关联网络
中图分类号：
作者姓名：
马天宇;覃俊;刘晶;帖军;后琦
作者机构：
中南民族大学 计算机科学学院,湖北 武汉 430074;湖北省制造企业智能管理工程技术研究中心,湖北 武汉 430074
文献出处：
引用格式：
[1]马天宇;覃俊;刘晶;帖军;后琦-.基于BERT的意图分类与槽填充联合方法)[J].中文信息学报,2022(08):127-134
A类：
Snips
B类：
BERT,意图分类,槽填充,口语,语理,自然语言处理,本子,子任务,共同学习,这两项,联合模型,关联网络,共享信息,升任,任务效果,词向量,前联合,训练数据,规模较,泛化能力,ATIS
AB值：
0.346769
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
