Aizpildīšana (Slot Filling) — Vienlaicīga NER-NLU ekstrakcija
Aizpildīšana ir dabisko valodu izpratnes (NLU) uzdevums, kas no lietotāja izteikuma izvelk iepriekš noteiktus veidlapas laukus — piemēram, datumu, atrašanās vietu vai produkta nosaukumu. Tā kļuva par galveno dialoga sistēmu un veidlapu informācijas ieguves komponenti, un plaši tika pētīta pēc tam, kad Goo et al. (2018) ieviesa Slot-Gated Model (ligzdu vārstumošanas modeli) vienlaicīgai aizpildīšanai un nodomu prognozēšanai, kam sekoja Chen et al. (2019), kuri paplašināja paradigmu ar BERT bāzētu vienlaicīgu modelēšanu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Slot Filling (NER-NLU Joint Extraction). ScholarGate. https://scholargate.app/lv/text-mining/slot-filling
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Entītiju saistīšanaTeksta ieguve↔ salīdzināt
- Informācijas ieguveTeksta ieguve↔ salīdzināt
- Intenču noteikšanaTeksta ieguve↔ salīdzināt
- Nosaukuma entītiju atpazīšana (NER)Teksta ieguve↔ salīdzināt
- Tekstu klasifikācijaTeksta ieguve↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →