基于残差注意力的新槽值抽取研究
来源：计算机应用与软件杂志2024年第6期北京时间：
作者：鄢明辉, 周喜, 王轶
摘要：针对任务型对话中用户输入存在新槽值难以提取的问题，提出一种基于双向长短时记忆神经网络的特征融合模型。通过负样本添加技术缓解新槽值识别问题；引入注意力机制来提取用户输入中词与词之间的权重特征；在多层堆叠长短时记忆神经网络之间用残差连接以缓解特征提取过程中的信息丢失，JP+1将得到的融合特征输入到条件随机场筛选出合理的标注序列。在DSTC3数据集上进行相关测试，实验结果表明，该模型在新槽值、已知槽值和总数据集上的识别准确率分别为70.73%、91.56%和87.11%，性能相比baseline方法有显著提高。
关键词：槽值抽取, 新槽值, 自然语言处理, 残差网络, 注意力机制
