[发明专利]一种基于多任务学习的意图与槽位联合识别方法有效
| 申请号： | 201910795820.7 | 申请日： | 2019-08-27 |
| 公开（公告）号： | CN110532355B | 公开（公告）日： | 2022-07-01 |
| 发明（设计）人： | 何霆;吴雅婷;王华珍 | 申请（专利权）人： | 华侨大学 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06F16/332;G06F40/30;G06K9/62;G06N3/04 |
| 代理公司： | 厦门市首创君合专利事务所有限公司 35204 | 代理人： | 张松亭;李艾华 |
| 地址： | 362000 福建省*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多任务学习的意图与槽位联合识别方法，对用户的话语/查询等输入文本进行处理，输出意图标签和槽位标签；方法包括；将用户输入文本序列顺序通过长短期记忆网络和卷积神经网络的处理，形成一个LSTM‑CNN共享表示特征；根据意图标签信息和槽位标签信息的区别，基于共享表示特征分别建立带注意力机制的Bi‑LSTM意图识别模型/槽位识别模型；利用基于梯度下降法的加权计算方法构建上述意图识别模型和槽位识别模型的总损失函数，并对其进行联合优化求解。本发明将多任务学习思想运用到垂直对话系统构建过程中，能够实现输入文本意图和槽位的联合识别，有效提升垂直对话系统输入文本意图和槽位识别的准确率和F值。 | ||
| 搜索关键词： | 一种 基于 任务 学习 意图 联合 识别 方法 | ||
【主权项】：
1.一种基于多任务学习的意图与槽位联合识别方法，其特征在于，包括：/nS1，共享表示特征的构建；通过LSTM-CNN获取具有文本时序和结构信息的共享表示特征；/nS2，意图识别模型和槽位识别模型的设计；在共享表示特征的基础上采用Bi-LSTM模型，分别针对意图标签信息和槽位标签信息构建带注意力机制的Bi-LSTM意图识别模型和槽位识别模型；/nS3，意图识别模型和槽位识别模型的联合优化；将意图识别模型和槽位识别模型的损失函数进行加权，获得总损失函数，并对其进行联合优化求解。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华侨大学，未经华侨大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910795820.7/，转载请声明来源钻瓜专利网。
- 上一篇：内容的检索方法及装置
- 下一篇：信息处理方法、装置及存储介质
