联合使用循环神经网络进行在线口语理解和语言建模

Scidown文献预览系统！

作者：scidown 发布时间：2022-01-05 11:10:33 文章标题：

联合使用循环神经网络进行在线口语理解和语言建模( Joint Online Spoken Language Understanding and Language Modeling with Recurrent Neural Networks )

文章作者：

L Bing I Lane Computer Science - Computation and Language

文章简述：

说话人意图检测和语义槽填充是对话系统中口语理解的两个关键任务。在本文中，我们描述了一个递归神经网络(RNN)模型，它联合执行意图检测、槽填充和语言建模。随着转录话语中的词的到达，神经网络模型不断更新意图估计，并将其作为上下文特征用于联合模型。在阿季斯基准数据集上对语言模型和在线SLU模型进行了评价。在语言建模任务上，与独立训练语言模型相比，我们的联合模型实现了11.8%的困惑相对减少。在SLU任务上，我们的联合模型在意图检测错误率上比独立任务训练模型高22.3%，在时隙填充F1得分上略有下降。该联合模型在语音输入有噪声的现实ASR环境中也表现出了优越的性能。

文章下载地址（开放版）：