Resumen

Con el objetivo de resolver el problema de que el efecto de reconocimiento de los valores de ranura raros en el lenguaje hablado es deficiente, lo cual afecta la precisión de la tarea de comprensión oral, se ha diseñado un método de comprensión del lenguaje hablado basado en el aprendizaje profundo. Se extraen y clasifican las características locales del texto semántico para que los resultados de clasificación coincidan con la tarea de diálogo. Se diseña un algoritmo de reconocimiento de intenciones para los resultados de clasificación. Cada dato tiene una etiqueta de intención correspondiente para completar la tarea de rellenado de ranuras semánticas. Se aplica un mecanismo de atención al reconocimiento de información de valores de ranura raros, se obtiene el peso del estado oculto y las características de ranura correspondientes, y se utiliza el valor de ranura actualizado para representar el estado de seguimiento. Se construye una unidad de puerta auxiliar entre las ranuras superiores e inferiores del diálogo histórico, y se entrena el vector de palabras basado en

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Problema; Efecto de reconocimiento; Valores de ranura raros; Comprensión del lenguaje hablado; Aprendizaje profundo; Reconocimiento de intenciones; Rellenado de ranuras; Mecanismo de atención; Unidad de compuerta auxiliar; Diálogo histórico; Vector de palabras; Resultados de simulación; Lenguaje hablado hombre-máquina.
• Keywords:Problem; Recognition effect; Rare slot values; Spoken language understanding; Deep learning; Intention recognition; Slot filling; Attention mechanism; Auxiliary gate unit; Historical dialogue; Word vector; Simulation results; Man-machine spoken language.