NUBOT：基于 RASA 框架嵌入知识图谱以生成罗马乌尔都语语义意图回复的系统
计算与语言
2021-02-23 v1 人工智能
摘要
人类语言的理解通过识别意图与实体来量化。尽管依赖标注信息的分类方法常用于语言理解，但生成高倾向性的监督数据集是极其耗时且繁琐的过程。本文针对相应的罗马乌尔都语非结构化数据呈现了准确意图的生成，并将该语料库集成至 RASA NLU 模块用于意图分类。我们将知识图谱嵌入 RASA 框架，以维护基于语义的自然语言机制的对话历史，用于聊天机器人通信。我们将本工作结果与现有结合语义技术的语言系统进行比较。意图生成的最小置信准确率为 64%，在回复生成部分最小准确率为 82.1%，最大准确率增益为 96.7%。所有分数均指在对各意图汇总后所对应的对数精确率、召回率与 f1 度量。此外，所生成的混淆矩阵表明了哪些意图被该方法模糊识别。
引用
@article{arxiv.2102.10410,
title = {NUBOT: Embedded Knowledge Graph With RASA Framework for Generating Semantic Intents Responses in Roman Urdu},
author = {Johar Shabbir and Muhammad Umair Arshad and Waseem Shahzad},
journal= {arXiv preprint arXiv:2102.10410},
year = {2021}
}