面向迁移学习的意图识别研究进展

摘要：

口语理解(SLU)是人机对话系统的重要部分,意图识别作为口语理解的一个子任务,因其可以为限定领域的对话扩展领域而处于非常重要的地位.由于实际应用领域的对话系统需求增加,而需要开发的新领域短时间内又无法获得大量数据,因此为搭建新领域的深度学习模型提出了挑战.迁移学习是深度学习的一种特殊应用,在迁移学习中,能够利用源域和目标域完成对只有少量标注数据的目标域模型的构建,通过对源域和目标域之间的知识迁移完成学习过程.利用已有领域的标注数据和模型,搭建只含有少量标注数据的新领域对话系统是当前的研究重点.主要针对意图识别任务进行概述,对迁移学习的方法进行分类和阐述,并总结其问题和解决思路,进一步思考如何将迁移学习应用于意图识别任务,从而推动少量数据的新领域意图识别研究.

关键词：口语理解、意图识别、深度学习、迁移学习

所属期刊栏目：14

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61806103,61562068 国家自然科学基金;the Natural Science Foundation of Inner Mongolia under Grant No. 2017MS0607 内蒙古自然科学基金;the Special Project of Inner Mongolia Ethnic Affairs under Grant No. MW-2014-MGYWXXH-01 内蒙古民委蒙古文信息化专项扶持子项目;the Youth Innovation and Entre-preneurship Talents of Inner Mongolia Autonomous Region"Grassland Talents"Project 内蒙古自治区"草原英才"工程青年创新创业人才项目;the Graduate Innovation Fund of Inner Mongolia Normal University under Grant No. CXJJS19151 内蒙古师范大学研究生创新基金;the Science and Technology Planning Project of Inner Mongolia Autonomous Region under Grant No. JH20180175 内蒙古自治区科技计划项目

在线出版日期：2020-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1261-1274