การเติมช่องข้อมูล — การสกัดข้อมูลร่วมระหว่าง NER และ NLU
การเติมช่องข้อมูล (Slot filling) เป็นงานด้านความเข้าใจภาษาธรรมชาติ (NLU) ที่สกัดข้อมูลจากช่องที่กำหนดไว้ล่วงหน้า — เช่น วันที่ สถานที่ หรือชื่อผลิตภัณฑ์ — จากคำพูดของผู้ใช้ งานนี้ได้กลายเป็นองค์ประกอบหลักของระบบสนทนาและการสกัดข้อมูลแบบฟอร์ม และได้รับการศึกษาอย่างกว้างขวางหลังจาก Goo และคณะ (2018) ได้นำเสนอแบบจำลอง Slot-Gated Model สำหรับการทำนายเจตนาและการเติมช่องข้อมูลร่วมกัน ตามมาด้วย Chen และคณะ (2019) ที่ได้ขยายกระบวนทัศน์ด้วยการสร้างแบบจำลองร่วมโดยใช้ BERT
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Slot Filling (NER-NLU Joint Extraction). ScholarGate. https://scholargate.app/th/text-mining/slot-filling
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- การเชื่อมโยงเอนทิตีการทำเหมืองข้อความ↔ เปรียบเทียบ
- การสกัดสารสนเทศการทำเหมืองข้อความ↔ เปรียบเทียบ
- การจำแนกเจตนาการทำเหมืองข้อความ↔ เปรียบเทียบ
- การรู้จำหน่วยคำนาม (Named Entity Recognition - NER)การทำเหมืองข้อความ↔ เปรียบเทียบ
- การจำแนกข้อความการทำเหมืองข้อความ↔ เปรียบเทียบ