10.19678/j.issn.1000-3428.0051291
基于标签分解的口语理解模型
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次独立的分类,平衡ATIS数据集的标签.针对ATIS数据集资源较少的问题,引入外部词向量以提升模型的分类性能.实验结果表明,与循环神经网络及其变体结构相比,该模型的F1值有显著提升,最高可达95.63%.
口语理解、槽填充、双向长短时记忆网络、词向量、联合模型
45
TP391(计算技术、计算机技术)
国家自然科学基金61663044,61365005
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
237-241