CN115062624B 一种意图槽值双向交互的自然语言理解方法 （浙江工业大学）_第1页
CN115062624B 一种意图槽值双向交互的自然语言理解方法 （浙江工业大学）_第2页
CN115062624B 一种意图槽值双向交互的自然语言理解方法 （浙江工业大学）_第3页
CN115062624B 一种意图槽值双向交互的自然语言理解方法 （浙江工业大学）_第4页
CN115062624B 一种意图槽值双向交互的自然语言理解方法 （浙江工业大学）_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

PromptLearningforFew-ShotNamRecognition.Information.2一种意图槽值双向交互的自然语言理解方法本发明公开了一种意图槽值双向交互的自向量和槽语义表示向量输入到CRF语义解码模训练知识显著提高意图识别和槽填充的识别效2采用BERT语义编码模块对用户输入的话语进行文本预处理，并将最终的意图表示向量和槽语义表示向量输入到CRF语义解码模块，获得最后话语的意图和槽值，所述CRF语义解码模块包括两个分支，一个分支包括意图全连接神经网络模其中，所述将意图表示向量HI输入到意图注意力模块，生成语义增强的意图表示向量连接语义增强的意图语义表示向量HIW和槽意图语义表示向量HS，获取语义表示向量将语义向量HM与BERT语义编码模块输出的语义表示向量H相加，并进行层归一化layer3最终的意图表示向量和槽语义表示向量输入到CRF语义解码模块，获得最后话语的意图和其中WI和bI为意图全连接神经网络中可训练的将槽语义表示向量输入槽全连接神经网络模块，经过一个全连接神经网络和其中WS和bS为全连接神经网络中可训练的4识别(IntentDetection)和槽填充(SlotFilling)是NLU当中两个主要任务，其中意图识即为要提取的电影类别的槽。意图识别和槽填充的性能对于对话系统的准确性有决定性作以利用两个任务之间的关联性来提升彼此的分类性能。因此仍有发明基于单个任务被提[0005]但现有技术方案往往没有考虑预训练知识的使用，无法满足高精度NLU场景的需[0012]将最终的意图表示向量和槽语义表示向量输入到CRF语义解码模块，获得最后话5[0023]K=H"W";[0032]将语义向量HM与BERT语义编码模块输出的语义表示向量H相加，并进行层归一化[0034]其中语义向量H'=(F,F)为自注意语义交互模块的输出，表示最终的意图6x[0042]进一步的，所述将最终的意图表示向量和槽语义表示向量输入到CRF语义解码模[0046]将槽语义表示向量输入槽全连接神经网络模块，经过一个全连接神经网络和[0047]p'=softmax(w"+b5):力机制使得模型可以考虑意图的标签信息，CRF的使用使得模块可以考虑槽标签间的依赖[0055]在一个实施例中，如图1所示，提出了一种意图槽值双向交互的自然语言理解方7x[0071]连接语义增强的意图语义表示向量和槽意图语义表示向量，获取语义表示向量[0075]K=H"W";8[0084]将语义向量HM与BERT语义编码模块输出的语义表示向量H相加，并进行层归一化[0088]本实施例CRF语义解码模块，用于将意图表示向量和槽语义表示向量映射到意图[0093]将槽语义表示向量FS输入槽全连接神经网络模块，经过一个全连接神经网络和[0094]p'=softmax(ws+b

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论