基于BLSTM-CNN-CRF模型的槽填充与意图识别

• 作者: 华冰涛 肖维民 袁志祥 郑啸
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 槽填充 意图识别 联合模型 深度学习
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 139-143
• 页数: 5页
• 分类号: TP391.1
• 字数: 4916字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1801-0183

摘要

口语语言理解(SLU)中的槽填充和意图识别任务通常是分别进行建模,忽略了任务之间的关联性.基于深度学习优势提出一种BLSTM-CNN-CRF学习框架,为槽填充和意图识别任务构建联合模型.双向长短期记忆网络(BLSTM)对全句的单词标签进行标注,卷积神经网络(CNN)用以提取全句的语义特征,条件随机场(CRF)通过解码单词标签与语义特征,获得全句的最佳序列标签.在航空旅行信息系统(ATIS)数据集上的实验表明,联合模型在不依赖于任何人工特征的情况下获得较高性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑啸	安徽工业大学计算机科学与技术学院	54	1140	12.0	33.0
2	袁志祥	安徽工业大学计算机科学与技术学院	33	149	7.0	10.0
3	肖维民	安徽工业大学计算机科学与技术学院	11	31	4.0	5.0
4	华冰涛	安徽工业大学计算机科学与技术学院	1	2	1.0	1.0