基于BLSTM-CNN-CRF模型的槽填充与意图识别

来源：计算机工程与应用杂志2019年第9期北京时间：

作者：华冰涛，袁志祥，肖维民，郑 啸

单位：安徽工业大学 计算机科学与技术学院，安徽 马鞍山 243032

摘要：口语语言理解（SLU）中的槽填充和意图识别任务通常是分别进行建模，忽略了任务之间的关联性。基于深度学习优势提出一种BLSTM-CNN-CRF学习框架，为槽填充和意图识别任务构建联合模型。双向长短期记忆网络（BLSTM）对全句的单词标签进行标注，卷积神经网络（CNN）用以提取全句的语义特征，条件随机场（CRF）通过解码单词标签与语义特征，获得全句的最佳序列标签。在航空旅行信息系统（ATIS）数据集上的实验表明，联合模型在不依赖于任何人工特征的情况下获得较高性能。

关键词：槽填充,意图识别,联合模型,深度学习