Process / pipeline
槽填充 — 命名实体识别-自然语言理解联合抽取
槽填充（Slot filling）是一项自然语言理解（NLU）任务，旨在从用户的话语中提取预定义的模板字段（例如日期、地点或产品名称）。它作为对话系统和基于表单的信息提取的核心组件出现，并在 Goo 等人（2018）提出用于联合槽填充和意图预测的槽门控模型（Slot-Gated Model）之后得到广泛研究，随后 Chen 等人（2019）通过基于 BERT 的联合建模扩展了该范式。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 1). Slot Filling (NER-NLU Joint Extraction). ScholarGate. https://scholargate.app/zh/text-mining/slot-filling
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →