Process / pipeline
מילוי משבצות – חילוץ משותף של זיהוי ישויות ושל הבנת שפה טבעית
מילוי משבצות (Slot filling) הוא משימה של הבנת שפה טבעית (NLU) המחלצת שדות תבנית מוגדרים מראש – כגון תאריך, מיקום או שם מוצר – מתוך אמירת משתמש. הוא התפתח כמרכיב ליבה במערכות דיאלוג ובחילוץ מידע מבוסס-טפסים, ונחקר רבות לאחר ש-Goo et al. (2018) הציגו את מודל ה-Slot-Gated לחילוץ משבצות וחיזוי כוונות משותף, ולאחר מכן Chen et al. (2019) שהרחיבו את הפרדיגמה עם מודלים משותפים מבוססי BERT.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
מפת שיטות
סביבת השיטות הקרובות — בחרו צומת כדי לחקור.
מקורות
- Goo, C.W., Gao, G., Hsu, Y.K., Huo, C.L., Chen, T.C., Hsu, S.C., & Chen, Y.N. (2018). Slot-Gated Modeling for Joint Slot Filling and Intent Prediction. Proceedings of NAACL-HLT 2018. link ↗
- Chen, Q., Zhuo, Z., & Wang, W. (2019). BERT for Joint Intent Classification and Slot Filling. arXiv preprint arXiv:1902.10909. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Slot Filling (NER-NLU Joint Extraction). ScholarGate. https://scholargate.app/he/text-mining/slot-filling
איזו שיטה?
הציבו שיטה זו לצד קרובותיה הקרובות וקראו אותן זו לצד זו — הספרייה מניחה את הספרים על השולחן; הבחירה בידיכם.
- קישור ישויותכריית טקסט↔ השוואה
- חילוץ מידעכריית טקסט↔ השוואה
- זיהוי כוונהכריית טקסט↔ השוואה
- זיהוי ישויות מוכרות (NER)כריית טקסט↔ השוואה
- סיווג טקסטכריית טקסט↔ השוואה