您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201812-18
论文题目 一种基于层级注意力机制的自然语言理解模型
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

一种基于层级注意力机制的自然语言理解模型

首发时间:2018-12-06

赵明星 1   

赵明星(1993-),男,硕士研究生,大数据、人工智能

程祥 1   

程祥(1984-),男,副教授,博导,大数据、人工智能

  • 1、北京邮电大学网络与交换技术国家重点实验室,北京 100876

摘要:任务型对话系统一般包括自然语言理解、对话状态追踪对话策略选择和自然语言生成等模块。其中,自然语言理解模块负责提取用户输入的自然语言句子中的关键信息,将自然语言转换为向量表示,屏蔽不同语言表达的差异性和同种语言表达的丰富性。自然语言理解模块是任务型对话系统的关键模块,而现有的面向任务型对话系统的自然语言理解模型往往仅考虑了词语级别的语义特征影响了任务型对话系统的性能。本文提出一种面向任务型对话系统的基于层级注意力机制的自然语言理解模型(Hierarchical Attention based Natural Language Understanding,HA-NLU)。综合考虑字、词、句子三个语义层级,HA-NLU使用基于循环神经网络和卷积神经网络构建的的语义解析网络提取每个层级的语义特征;同时,HA-NLU利用基于层级注意力机制构建的层间语义传递结构,逐层递进地挖掘自然语言文本的语义特征。实验结果表明,相比仅利用词语层级语义的模型,HA-NLU能够有效提升任务型对话系统的对话成功率,降低系统的平均对话轮次。

关键词: 人工智能 任务型对话系统 层级注意力机制 神经网络

For information in English, please click here

A Hierarchical Attention based Natural Language Understanding model

ZHAO Mingxing 1   

赵明星(1993-),男,硕士研究生,大数据、人工智能

CHENG Xiang 1   

程祥(1984-),男,副教授,博导,大数据、人工智能

  • 1、State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing 100876

Abstract:The typical framework of task-oriented dialogue system consists of natural language understanding, dialog state tracking, dialog policy and natural language generation. Among the modules mentioned above, natural language understanding plays an important part because it transforms the natural language utterance users input into a vector representing the syntactic and semantic features and the following modules are based on the extracted feature. Current works focus on only semantic feature at the word level, while this paper introduces a natural language understanding model named HA-NLU based on hierarchical attention to leverage the semantic feature at three different levels exist in the utterance. HA-NLU parse semantic feature at different levels including the character level, the word level and the sentence level. For a particular level, HA-NLU uses a semantic parsing network based on RNN and CNN to extract feature from the text. The structure based on hierarchical attention in HA-NLU offers a tunnel transferring the semantic feature from lower levels to higher levels dynamically. To evaluate the model, this paper implements a task-oriented dialogue system. Experiments on the system show comparing with models focus on only semantic feature at word level, HA-NLU can raise the success rate of the system and decrease the average number of turns per dialogue of the system at the same time.

Keywords: artificial intelligence task-oriented dialogue system hierarchical attention Neural Network

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
赵明星,程祥. 一种基于层级注意力机制的自然语言理解模型[EB/OL]. 北京:中国科技论文在线 [2018-12-06]. http://www.paper.edu.cn/releasepaper/content/201812-18.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

一种基于层级注意力机制的自然语言理解模型