口语理解中改进循环神经网络的应用

来源：计算机工程与应用杂志2019年第18期北京时间：

作者：张晶晶，黄浩，胡英，吾守尔·斯拉木

单位：新疆大学 信息科学与工程学院，乌鲁木齐 830046

摘要：口语理解性能的提升对于口语对话系统的研究具有重要作用。为了提高口语理解性能，应用循环神经网络（RNN）及其变体（LSTM，GRU）方法。在此基础上，提出一种改进的循环神经网络（Modified-RNN）方法，该方法通过添加存储历史状态信息，能够存储更长时的信息，含有更少的参数，根据获取的更多信息提取特征信息增加获取信息的有效性，提高了口语理解的精准率和[F1]，缩短了实验时间。在航空旅行信息数据库（ATIS）上的实验结果验证了该算法的有效性和可靠性。

关键词：循环神经网络（RNN）,长短时记忆网络（LSTM）,门限循环单元（GRU）,口语理解（SLU）,改进循环神经网络（M-RNN）