gdp1368@outlook.com 's Blog
Love Leanote!
Toggle navigation
gdp1368@outlook.com 's Blog
主页
About Me
归档
标签
意图模型评测
2019-04-02 16:38:53
377
0
0
gump_don
## **前言** 随着业务的深入，产品不断提出新的应用场景。例如：吃饭，生病，学习，工作等。一方面，旧的意图数据存在某些意图类别容易混淆的问题，例如： - “唱一首歌”->`command`， - “放一首歌”->`music`； 另一方面，新增的意图数据没有作细致分类，导致在某些方面难以处理。例如： - “去吃饭吧”->`command`， - “你吃饭了吗”->`query`, - “我们去吃饭吧”->`chat`。 所以，本期我们对意图数据重新做了分类。并对fastText和bert做了对比评测。 ## **意图标签管理** **原则上，具有相关联的因子划分为一类。保持意图标签之间的独立性，同时保留原有独立的标签** 原意图|关联因子|新意图 :-:|:-:|:-: command|唱歌|music command|工作，学习，部分才艺展示|study command|吃药，食物|food query|学习|study query|食物|food 另外，对于暂不处理的意图数据划分到chat。包括：memory,LBS。 ## **模型对比** 前一期，上海锐鸿同学做过bert和fastText做意图分类的对比。这里不再详述。只做一些训练和性能的对比。
上一篇: 无
下一篇:
fasttext
0
赞
377 人读过
新浪微博
微信
腾讯微博
QQ空间
人人网
提交评论
立即登录
, 发表评论.
没有帐号?
立即注册
0
条评论
More...
文档导航
gump_don
没有帐号? 立即注册