《表3 多种模型对比:基于BLSTM-CNN-CRF模型的槽填充与意图识别》
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
《基于BLSTM-CNN-CRF模型的槽填充与意图识别》
%
从表3可以看出,Tur等人[25]提出了一个依赖于句法分析的句子简化方法在意图识别任务上获得最高的分类准确率96.98%;并且通过使用机器学习算法对SLU任务中出现的错误进行分析并探索有效的解决手段,也达到了95.72%的准确率[3]。这两个方法之所以获得较高的准确率,主要是因为在数据集上进行标注以及特征设计,但这花费了较高的人力物力成本。
图表编号 | XD0035472500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 华冰涛、袁志祥、肖维民、郑啸 |
绘制单位 | 安徽工业大学计算机科学与技术学院、安徽工业大学计算机科学与技术学院、安徽工业大学计算机科学与技术学院、安徽工业大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |