《表1 意图识别和语义槽填充举例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《端到端对话系统意图语义槽联合识别研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

意图识别和语义槽填充是NLU的两个关键任务。意图识别旨在从给定的语句中判断用户的最佳意图类别，通常被看作是一个标准的多分类问题，常用的方法有支持向量机（Support Vector Machine，SVM)[14]、朴素贝叶斯（Naive Bayes，NB)[15]等模型，语义槽填充是指从给定的语句中提取有用的结构化信息，通常被看作是一个序列标注问题[16]，如使用Begin/Inside/Outside（BIO）、Begin/Inside/Outside/End/Single(BIOES）等格式进行标注，常用的模型有隐马尔可夫（Hidden Markov Model，HMM）模型[17]、条件随机场（Conditional Random Field，CRF）[18]等模型。牛珺等人[19]采用规则匹配和神经网络相结合的方式完成意图识别任务，这种联合意图识别模型兼顾了传统规则匹配模型灵活调控和神经网络模型简单智能的优点，结果表明联合模型优于两种模型单独的表现。对“呼和浩特到长春的航班有哪些”这一问句，经过NLU得到的结果如表1所示。