口语理解中改进循环神经网络的应用

• 作者: 吾守尔·斯拉木 张晶晶 胡英 黄浩
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 循环神经网络(RNN) 长短时记忆网络(LSTM) 门限循环单元(GRU) 口语理解(SLU) 改进循环神经网络(M-RNN)
• 年，卷（期）: 2019,（18）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 155-160
• 页数: 6页
• 分类号: TP391
• 字数: 5618字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0256

摘要

口语理解性能的提升对于口语对话系统的研究具有重要作用.为了提高口语理解性能,应用循环神经网络(RNN)及其变体(LSTM,GRU)方法.在此基础上,提出一种改进的循环神经网络(Modified-RNN)方法,该方法通过添加存储历史状态信息,能够存储更长时的信息,含有更少的参数,根据获取的更多信息提取特征信息增加获取信息的有效性,提高了口语理解的精准率和F1 ,缩短了实验时间.在航空旅行信息数据库(ATIS)上的实验结果验证了该算法的有效性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吾守尔·斯拉木	新疆大学信息科学与工程学院	148	619	13.0	18.0
2	黄浩	新疆大学信息科学与工程学院	34	106	5.0	9.0
3	张晶晶	新疆大学信息科学与工程学院	8	26	3.0	4.0
4	胡英	新疆大学信息科学与工程学院	5	9	2.0	3.0