一种基于深度学习的领域、意图识别和槽填充方法

摘要

本发明提供了一种基于深度学习的领域、意图和槽填充方法，一方面，用对话语料训练深度学习模型FF‑BiGRU，用训练后的深度学习模型FF‑BiGRU，计算对话样本语句，得到样本语句的向量表示h_t。另一方面，将t时刻输入的样本语句u_t和之前得到的样本语句的向量表示h_t作为神经网络模型的输入，训练深度学习模型BiGRU‑BiLSTM，用训练后的深度学习模型BiGRU‑BiLSTM识别样本语句中当前对话语句u_t，得到包含当前语句u_t历史信息的意图分类结果s²和槽值分类结果o²。最后，将o²和s²进行特征提取和线性融合，获得语句u_t的领域、意图和槽值。本发明能有效提供用户领域、意图和槽填充的准确度，准确识别用户领域、意图和槽，能提升对话系统的性能、增加用户体验，具有很大的价值和研究意义。