论文部分
Abstract
根据slot和intent之间的关系,提出了一种slot gate来学习intent和slot向量之间的关系,通过全局优化来获得更好地语义信息。
Introduction
由于slot通常高度依赖于intent,因此本工作重点介绍如何通过引入slot gate来建模slot和intent向量之间的显式关系:
- slot gated模型效果比基于注意力的模型具有更好的性能;
- 对两个SLU数据集的实验表明了所提出的slot gate的推广和有效性;
- gating表示有助于我们学习 slot-intent 之间的关系。
Proposed Approach
2.1 基于注意力机制的RNN模型
双向长短期记忆(BLSTM)模型将单词序列 作为输入,然后生成前向隐藏状态和反向隐藏状态,第 个时间点的隐藏状态
2.2
实验部分
-
代码下载:SlotGated-SLU
-
环境要求:
python3.5 + tensorflow1.4 -
环境配置:
-
安装虚拟环境:
安装虚拟环境
pip install virtualenv
在当前目录下,创建虚拟环境目录,并指定python解释器。
virtualenv -p /usr/bin/python3.5 tensorflow-py3.5
激活虚拟环境
source tensorflow-py3.5/bin/activate
激活之后可以看到:
-
tensorflow下载安装:可以使用清华大学提供的镜像,选择相应的计算单元、操作系统、python版本、tensorflow版本进行下载安装,会自动生成安装命令。
清华大学tensorflow镜像
我使用的安装命令:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/cpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
-
安装完毕之后就可以根据readme里的Usage来运行程序了。
-