Заполнение слотов — совместное извлечение сущностей (NER) и понимание естественного языка (NLU)
Заполнение слотов — это задача понимания естественного языка (NLU), которая извлекает предопределенные поля шаблона — такие как дата, местоположение или название продукта — из высказывания пользователя. Она стала основным компонентом диалоговых систем и извлечения информации на основе форм и получила широкое изучение после того, как Goo и др. (2018) представили модель Slot-Gated Model для совместного заполнения слотов и предсказания намерений, за чем последовал Чен и др. (2019), которые расширили парадигму совместным моделированием на основе BERT.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Карта метода
Окружение родственных методов — выберите узел, чтобы перейти к нему.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Slot Filling (NER-NLU Joint Extraction). ScholarGate. https://scholargate.app/ru/text-mining/slot-filling
Какой метод?
Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.
- Связывание сущностейИнтеллектуальный анализ текста↔ сравнить
- Извлечение информацииИнтеллектуальный анализ текста↔ сравнить
- Классификация намеренийИнтеллектуальный анализ текста↔ сравнить
- Распознавание именованных сущностей (NER)Интеллектуальный анализ текста↔ сравнить
- Классификация текстовИнтеллектуальный анализ текста↔ сравнить
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →