槽填充相关论文
自然语言理解是任务型人机对话系统中的基础性研究工作,对于给定用户输入,旨在把自然语言转换成计算机能够理解的结构化语义表示。......
近几年,人工智能技术飞速发展,各种对话系统得到了广泛的研究和应用,特别是在特定领域内的对话系统,比如在航空出行领域,可以应用......
人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题。本文采用基于度量学习的方法,通过计算query set......
将递归神经网络(RNN)应用于意图检测和槽填充已实现较好的识别效果。传统Slot-Gated模型旨在将意图特征融入槽位识别中,但未能将文......
近年来,随着人工智能技术的日益发展,基于自然语言理解的信息查询系统也逐渐成为现实。针对基于关键词搜索的搜索引擎难以精准捕获......
槽填充(Slot Filling)任务是TAC(Text Analysis Conference)会议于2009年提出的KBP(Knowledge Base Population)评测任务的主要组......
随着人工智能的发展,人机对话系统不断地深入人们的生活。在人机对话系统的管道方法中,槽填充任务起着至关重要的作用,它直接决定......
随着信息时代的来临以及互联网技术的快速发展和大量普及,互联网已经成为大多数人日常生活中不可或缺的一部分。在互联网上,存在着......
随着机器学习的发展,人机对话领域相关的技术取得极大的突破,近年来,许多成熟的人机对话系统已经实现了产品落地并在人们生活中逐......
知识图谱使互联网上海量杂乱的信息得以有效的组织和利用。在线百科中蕴含的大量知识以及结构化与半结构化内容使其成为知识图谱构......
现如今,数据规模的指数级增长加剧了用户对以友好和自然的方式随时随地获取所需要信息的渴望,对话系统应运而生。对话系统作为一种......
槽填充(Slot Filling)旨在从大规模语料中抽取目标实体的属性信息。该研究包含两方面关键任务:1)源信息(相关文档)获取,其任务是根......
现在社会科技发展进步明显,深度学习在自然语言处理中得到了较深的应用。对话系统的研究变得越来越重要,吸引着人们大量的关注,在......
摘要 对说话人意图的识别极大地推进了自然语言理解任务的发展.之前的工作大多采用Bi-LSTM即双向LSTM模型进行词汇特征与词汇之间......
问句理解是模型将自然语言问句转换成SQL的重要基础。目前多数利用深度学习的模型仅是通过数据库结构,未结合数据库内容充分理解问......
在传统的信息抽取中，模式匹配已经被证实为简便而有效的方法，而依存路径也是最为常用的模式之一。在槽填充任务中就有众多的参与者引......
在双向长短时记忆网络的基础上,提出一种用于口语理解的标签拆分策略,并构建一个联合模型。通过将 1次 127种标签分类转换成3次独......
实体属性槽填充是一种抽取命名实体特定属性(slot)实例(也称槽值,即filler)的自然语言处理研究。其中,'源信息'特指属性实......
槽填充是人机对话系统语言理解部分的一个重要任务。槽填充是指从用户对话中抽取与任务相关的关键信息,槽填充的性能对整个对话系......
随着人工智能的浪潮兴起,任务型对话系统一直是学者们研究的热门方向之一,其被定位为未来应用服务的入口,用来代替当前的互联网搜......
学位
在人工智能兴起的浪潮中,模拟人类交流能力的智能对话系统因其广泛的应用场景一直受到工业界的重点关注,同时也是国内外研究学者的......
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-CR......
