语义处理之意图识别与槽位

最新推荐文章于 2025-10-08 11:08:28 发布

原创最新推荐文章于 2025-10-08 11:08:28 发布 · 2.4k 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习

自然语言处理专栏收录该内容

13 篇文章

订阅专栏

本文探讨了意图识别作为分类问题的多种方法，包括基于规则、传统机器学习（如SVM）及深度学习（如CNN、LSTM）。同时，阐述了Slot识别作为序列标记任务的不同技术路线，涵盖基于规则、传统机器学习（如DBN、SVM）及深度学习（如LSTM、Bi-RNN、Bi-LSTM-CRF）。

TensorFlow-v2.9

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型

意图的识别实际上是一个分类问题，如基于规则，传统机器学习算法 (SVM)，基于深度学习算法（CNN, LSTM, RCNN, C-LSTM, FastText）等
Slot识别实际上是一种序列标记的任务，如基于规则 (Phoenix Parser)，基于传统机器学习算法 (DBN; SVM)，基于深度学习算法（LSTM, Bi-RNN, Bi-LSTM-CRF）。
参考：https://blog.youkuaiyun.com/fkyyly/article/details/83791833

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.9

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型