科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]意图识别和槽位提取是对话语言理解的两个子任务。如何在没有充足标注数据支持模型学习的情况下，将对话语言理解任务应用到领域更新频繁的对话系统中，是本文的研究重点。[方法]本文提出了基于信息增强的小样本对话语言理解联合模型（Information Augmentation Model for Few-shot spoken Language Understanding，IAM-FSLU），利用小样本学习很好地解决了在新领域和跨领域下的意图种类及数量不同时，数据匮乏和模型适用性差的问题，同时构建了一种更有效的小样本意图识别和小样本槽位提取两个任务间的显式关系。[结果]联合建模与未联合建模模型相比，在1-shot设置下，槽位提取F1分数获得近30%的提升，句准确率有近10%的提升。在3-shot设置下，槽位提取F1分数获得近35%的提升，句准确率有近13%～16%的提升。[局限] 从结果上看IAM-FSLU模型在意图识别子任务上仍需要进一步的提高，同时与隐式关系建模的模型相比，虽然在槽位提取任务上有很大提升，句准确率提升效果有限，仍有较大提升空间。[结论] 本文通过不同的小样本设置的对比实验下验证IAM-FSLU模型的效果，结果表明IAM-FSLU在模型整体效果上均优于其它主流模型。
-
单位湖北省烟草公司黄石市公司; 中南财经政法大学
