《表3 模型参数表：意图识别与语义槽填充的双向关联模型》
提示：宽带有限、当前游客访问压缩模式
实验采用Adam(Adaptive Moment Estimation）优化算法[31]更新神经网络的参数，并使用早停策略防止过拟合。模型参数如表3所示。
| 图表编号 | XD00201523500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.02.01 |
| 作者 | 王丽花、杨文忠、姚苗、王婷、理姗姗 |
| 绘制单位 | 新疆大学软件学院、新疆大学信息科学与工程学院、新疆大学软件学院、新疆大学软件学院、新疆大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 意图和语义槽：改进的DDPG对话策略优化算法》2021.02.16
- 《表5 其他模型对比实验：意图识别与语义槽填充的双向关联模型》2021.02.01
- 《表4 模型实验对比：意图识别与语义槽填充的双向关联模型》2021.02.01
- 《表2 数据集：意图识别与语义槽填充的双向关联模型》2021.02.01
- 《表1 意图识别和语义槽填充举例》2020.07.15
- 《表4 SMP数据集语义槽填充F1值偏低的类型举例》2020.09.01
- 《表1 实验数据：融合多约束条件的意图和语义槽填充联合识别》2020.09.01
- 《表2 语义槽标记说明：基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别》2019.12.01
- 《表5 基于词切分的结果：基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别》2019.12.01
- 《表4 基于字切分的结果：基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别》2019.12.01
- 《表3 联合识别标注：基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别》2019.12.01
- 《表1 意图标记说明：基于Attention+Bi-LSTM的公交出行意图和语义槽填充联合识别》2019.12.01
- 《表6 序列标注模型识别语义槽效果》
- 《表1 双向LSTM+CRF模型语义分析与传统分析效果对比》2019.10.10
- 《表1 参数设定：面向混合交通流的智能网联车鸣笛意图识别模型》2019.08.01
- 《表3 实验环境：多模态模型的胡杨林语义信息描述与识别》2019.07.16
- 《表2 波段参数：多模态模型的胡杨林语义信息描述与识别》2019.07.16
- 《表2 实验结果：基于BLSTM-CNN-CRF模型的槽填充与意图识别》2019.05.01
- 《表3 多种模型对比：基于BLSTM-CNN-CRF模型的槽填充与意图识别》2019.05.01
- 《表1 BIO标签：基于BLSTM-CNN-CRF模型的槽填充与意图识别》2019.05.01