结合词特征向量方法与卷积神经网络的口语理解槽填充
计算与语言
2018-06-20 v1
摘要
槽填充是口语理解（SLU）与自然语言处理（NLP）中的一个重要问题，涉及识别用户意图并为句子中的每个词分配语义概念。本文提出一种词特征向量方法，并将其融入卷积神经网络（CNN）。我们考虑 18 种词特征，每种词特征通过合并相似的词标签来构建。通过引入外部库的概念，我们提出了一种特征集方法，有利于建立训练数据集中词与特征之间的关系。使用 ATIS 数据集报告了计算结果，并与传统 CNN 以及双向序列 CNN 进行了比较。
引用
@article{arxiv.1806.06874,
title = {Combining Word Feature Vector Method with the Convolutional Neural Network for Slot Filling in Spoken Language Understanding},
author = {Ruixi Lin},
journal= {arXiv preprint arXiv:1806.06874},
year = {2018}
}