基于 LSTM 架构的问答意图分类
计算与语言
2020-08-11 v1 机器学习
机器学习
摘要
问答（QA）无疑是自然语言处理（NLP）与人工智能（AI）中最知名且可能也是最复杂的问题之一。由于寻找通用答案这一问题的完整解决方案似乎仍遥不可及，最明智的做法是将问题拆解，逐一解决更简单的子部分。假设采用模块化的问题解决思路，我们将研究限定于给定问题时对答案的意图分类。通过使用 LSTM 网络，我们展示了如何有效且高效地着手此类分类，以及如何在基础原型应答器中恰当地使用它。
引用
@article{arxiv.2001.09330,
title = {Intent Classification in Question-Answering Using LSTM Architectures},
author = {Giovanni Di Gennaro and Amedeo Buonanno and Antonio Di Girolamo and Armando Ospedale and Francesco A. N. Palmieri},
journal= {arXiv preprint arXiv:2001.09330},
year = {2020}
}
备注
Presented at the 2019 Italian Workshop on Neural Networks (WIRN'19) - June 2019