基于小样本学习的口语理解方法综述

摘要：

小样本口语理解是目前对话式人工智能亟待解决的问题之一.结合国内外最新研究现状,系统地梳理了口语理解任务的相关文献.简要介绍了在非小样本场景中口语理解任务建模的经典方法,包括无关联建模、隐式关联建模、显式关联建模以及基于预训练范式的建模方法;重点阐述了在小样本口语理解任务中为解决训练样本受限问题而提出的基于模型微调、基于数据增强和基于度量学习3类方法,介绍了如ULMFiT、原型网络和归纳网络等代表性模型.在此基础上对不同模型的语义理解能力、可解释性、泛化能力等性能进行分析对比.最后对口语理解任务面临的挑战和未来发展方向进行讨论,指出零样本口语理解、中文口语理解、开放域口语理解以及跨语言口语理解等研究内容是该领域的研究难点.

关键词：口语理解、小样本学习、模型微调、数据增强、度量学习

所属期刊栏目：45

分类号：TP391.1(计算技术、计算机技术)

资助基金：宁夏自然科学基金资助项目;宁夏自然科学基金资助项目

在线出版日期：2024-02-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：78-89