用于从对话中抽取多个产品名实体的序列到序列模型
计算与语言
2021-10-29 v1 机器学习
摘要
电商语音下单系统需要从下单语句中识别多个产品名实体。现有的语音下单系统如 Amazon Alexa 只能捕获单个产品名实体。这限制了用户通过一次语句下单多个商品。近年来，预训练语言模型（如 BERT 和 GPT-2）在 Super-GLUE 等 NLP 基准上展现出有前景的结果。然而，由于语音下单语句中的歧义，它们无法完美泛化到这一多产品名实体识别（MPNER）任务。为填补该研究空白，我们提出实体 Transformer（ET）神经网络架构，可识别语句中最多 10 个商品。在我们的评估中，最佳 ET 模型（conveRT + ngram + ET）相比非神经模型在测试集上有 12% 的性能提升，并且也优于带 ET 的 BERT。这有助于客户通过语音对话完成购物车结算，从而提升购物效率与体验。
引用
@article{arxiv.2110.14843,
title = {A Sequence to Sequence Model for Extracting Multiple Product Name Entities from Dialog},
author = {Praneeth Gubbala and Xuan Zhang},
journal= {arXiv preprint arXiv:2110.14843},
year = {2021}
}
备注
WeCNLP 2021 camera-ready