用于口语理解中槽填充的序列卷积神经网络
计算与语言
2016-06-27 v1
摘要
我们研究了卷积神经网络（CNN）在口语理解中槽填充任务的应用。我们提出了一种新颖的用于序列标注的CNN架构，该架构考虑了保留顺序信息的前文语境词，并特别关注当前词及其周围语境。此外，它结合了来自过去和未来词的信息进行分类。我们提出的CNN架构甚至优于此前最佳的集成循环神经网络模型，并在ATIS基准数据集上取得了最先进的结果，F1分数达到95.61%，且未使用任何额外的语言知识和资源。
引用
@article{arxiv.1606.07783,
title = {Sequential Convolutional Neural Networks for Slot Filling in Spoken Language Understanding},
author = {Ngoc Thang Vu},
journal= {arXiv preprint arXiv:1606.07783},
year = {2016}
}
备注
Accepted at Interspeech 2016