面向自然语言理解中大规模领域分类的可扩展神经候选-重排序方法
计算与语言
2018-04-24 v1
摘要
智能个人数字助理（IPDA）是一种具有口语理解能力的流行现实应用，其可覆盖潜在数千个重叠领域以实现自然语言理解，而为话语寻找最佳处理领域在大规模下成为一项具有挑战性的问题。在本文中，我们提出一组高效且可扩展的神经候选-重排序模型，用于IPDA中的大规模领域分类。候选阶段专注于将所有领域高效裁剪为k个最优候选领域列表，重排序阶段利用附加上下文信息对初始k个最优领域进行列表式重排序。我们通过基于1,500个IPDA领域的大量实验展示了该方法的有效性。
引用
@article{arxiv.1804.08064,
title = {A Scalable Neural Shortlisting-Reranking Approach for Large-Scale Domain Classification in Natural Language Understanding},
author = {Young-Bum Kim and Dongchan Kim and Joo-Kyung Kim and Ruhi Sarikaya},
journal= {arXiv preprint arXiv:1804.08064},
year = {2018}
}
备注
Accepted to NAACL 2018