基于语境感知和迁移学习的口语理解方法

摘要

口语理解是语言处理中的重要组成部分.在语言翻译中,口语理解可以将自然语言用户的话语解析为语义框架.为了提高口语理解的性能,在多回合对话中可以加入上下文信息.但是收集大规模的人工标记的多轮对话语料库是复杂,昂贵的,且不现实的.所以在此提出了一个上下文编码语言转换器(CLT)模型,以便于利用各种上下文信息.实验结果表明,在两个大规模的单轮对话基准测试和一个大规模多回合对话测试中,该模型与现有的转移学习方法相比,性能提高显著.