10.3969/j.issn.2095-2163.2017.06.027
基于Bi-LSTM-CRF网络的语义槽识别
自然语言理解任务的主要目标是运用自然语言处理的相关方法,对用户发出的语句进行解析,转化成结构化的语义表示.本文重点研究了基于语义槽抽取的自然语言理解方法.在基于语义槽抽取的自然语言理解任务中,任务的输入是用户的指令型语句,输出为指令的语义槽实体标注序列,如出发日期、出发地点等,故可将语义槽抽取任务看作类似于命名实体识别任务,以序列标注任务的方法解决.本文研究提出了基于Bi-LSTM-CRF模型的语义槽抽取方法,在英文语料ATIS上进行了实验.实验结果表明,基于Bi-LSTM-CRF网络的方法相比于传统机器学习的基准方法,结果得到了大幅度的提升.对于模型识别的结果,研究中采用F1值进行评价.
语义槽抽取、自然语言理解、Bi-LSTM-CRF网络
7
TP391.4(计算技术、计算机技术)
2018-01-08（万方平台首次上网日期，不代表论文的发表时间）
共4页
91-94
