论文部分内容阅读
鲁棒性是口语理解研究最具挑战性的关键问题之一。本文采用两个策略提高口语解析的鲁棒性：一是使用浅层统计理解框架，将口语解析简化为实体识别，并且以字取代词作为基本处理单元；二是在统计框架下，分别从特征提取和语料扩充两个角度充分利用领域信息。实验结果显示上述方法能有效提升语义解析性能。对于人机对话的测试集，当输入为语音识别结果时，解析性能（F1值）由75．27提升至90．24，输入为人工转抄结果时，性能由80．59提升至97．14。