Dec, 2018

面向口语理解的领域、意图和槽耦合表示学习

PDF
TL;DR本文提出了一种新模型，通过利用 Spoken Language Understanding 系统中域、意图和插槽之间的层次关系，学习耦合的表示。实验结果表明，该模型学习到的表示方法在交叉域重新排序任务上表现出更好的性能。
representation learningspoken language understandingcoupled representationshierarchical dependencyvector representation
发现论文，激发创造
  • OneNet: 适用于口语理解的域、意图和槽位联合预测

    本研究提出了一种基于神经网络的多任务学习的统一方法，包括口语语言理解中的领域、意向和槽位预测，通过输入编码和课程式训练等技术，显著提高了模型的性能。

    Jan, 2018

  • 少样本意图分类与槽位填充的表示和知识分离

    通过解耦普遍语义表示相关与特定领域知识相关的经验，将 Few-shot 意图分类和槽填充任务中的域特定知识传递与其他经验分开，显著提升性能。

    Dec, 2023

  • 对话系统的意图 - 槽位自动识别

    该研究提出了自然语言对话系统中自动推断语义意图和关键词槽位的新方法，通过应用 Apriori 算法，设计了一种包含角色标注，概念挖掘，模式挖掘三步的粗略到精细的三步流程，实验表明该方法不仅适用于领域内和领域间的数据，具有良好的适应性，而且大大减少了手动工作。

    Mar, 2021

  • 基于循环神经网络的联合在线口语理解和语言建模

    本文研究了基于递归神经网络的联合模型在口语理解（SLU）中的应用，实验结果显示其在意图检测和语义插槽填充任务中表现良好，在嘈杂语音输入场景下也具有较好的性能。

    Sep, 2016

  • 低资源口语理解的双向表示

    本篇研究提出了一种表示模型来编码富含双向编码的语音，同时使用遮蔽语言建模目标来学习这个模型。采用类关注作为口语理解模块，提高了模型在 Fluent Speech Command 数据集上的性能，并且可以用于可视化解释模型预测。

    Nov, 2022

  • 多轮对话数据的三级联合自然语言理解

    我们提出了一种新颖的三级联合自然语言理解方法，加入了领域信息，并在所有级别之间体现了语义信息的交换，从而使得我们的模型在多轮数据集上的单词级别的意图检测和插槽填充方面优于现有的联合模型，并且通过分析我们得出，包含领域信息可以提高模型的性能。

    May, 2023

  • 将口语理解任务与集成对话历史联合建模

    该研究旨在构建一种新型的自动预测语音理解系统，该系统利用历史对话信息预测口语意图、对话行为、说话人角色和情感等四种属性，并采用自回归模型和无序训练方法，以应对不同 SLU 任务的高效率和低延迟问题。实验证明，该系统与任务特定的分类器相当，并可有效整合对话环境以进一步提高 SLU 性能。

    May, 2023

  • 基于 Token 级别意图检测的栈传播框架用于口语理解

    该论文提出了一种新的用于自然语言理解的框架，采用了联合模型和 Stack-Propagation，旨在更好地结合意图信息以进一步指导填槽，使用 BERT 模型进一步提升了性能。

    Sep, 2019

  • 一种新的双向关联模型，用于联合意图检测和槽位填充

    本文提出了一种新颖的双向互相关联的联合意图检测和槽填充模型，通过引入 SF-ID 网络和全新的迭代机制来增强两个任务之间的双向关联，实验结果表明，在 ATIS 和 Snips 数据集上，与现有最先进的模型相比，本模型在句子级语义框架准确度上相对提高了 3.79% 和 5.42%。

    Jun, 2019

  • 领域扩展的零样本帧语义分析

    本文提出了一种基于深度学习的方法，利用多任务学习中的槽位描述来快速启动新领域的语义解析模型，解决了对话系统领域扩展问题，同时消除了手动注释数据或显式模式对齐的需求，并在多个领域的实验中展现出显著的槽位填充性能优化。

    Jul, 2017