热门标签
热门文章
- 1微软大模型phi-3速览-3.7B比llama-3 8B更好？_phi-3-mini rag
- 2设置gitignore 全局忽略DS_Store_git.ingore全局忽略
- 3JAVA微信小程序/公众号推送_weixin-java-mp 小程序消息推送
- 4【创意无界，AI绘梦新纪元️ —— 探索AI绘画工具的奇妙之旅】
- 548天笔试训练错题——day12
- 6在Spring Boot 中使用Kafka
- 7PHP语言开发的医院不良事件上报系统源码，前后端分离，仓储模式_医院安全(不良)事件报告系统源码 支持二次开发、支持源码交付
- 8笔试强训48天——day13_c++将父类的析构函数定义为虚函数
- 9Hadoop、Hive、Spark的简单认识和总结_hive和hadoop先学哪个
- 10PyTorch Geometric (PyG) 库的安装_pyg安装
当前位置: article > 正文
对话系统-“任务型”多轮对话（一）：自然语言理解（NLU）【意图识别+槽位填充】【加强NLU理解能力的方法：①联合训练；②引入知识图谱】_nlu训练从0到精通
作者：爱喝兽奶帝天荒 | 2024-07-25 09:21:02
赞
踩
nlu训练从0到精通
智能对话系统：自然语言理解【意图识别+槽位填充】
一、意图识别/Intent Classification（分类问题）
二、槽位填充/Slot Extraction（序列标注：命名实体识别）
二、意图识别 & 槽位填充 联合建模训练（Joint Slot-Intent Extraction）
两个任务、两个Loss，将2个Loss加起来联合训练
联合训练的优化：
- 加入Attention交互：https://www.aclweb.org/anthology/N18-2118.pdf
- 利用知识图谱引入额外知识信息：中文版Bert（ERNIE）在预训练时已经融入了知识图谱信息，可以用ERNIE代替Bert；
- 指代消解（Coreference Resolution）
- 问题的标准化（Question Correction）
- Dialogue Imbalanced（样本不均衡）
参考资料：
【多轮对话】多轮对话状态追踪技术综述
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/爱喝兽奶帝天荒/article/detail/879517
推荐阅读
相关标签
