石头木

摘要： 一.模型结构 实现一个简单的孪生网络（结构如上图），做语义相似度： 1.从上图可看出整体的结构相对较简单，左右两边基本一致。A句和B句分别进入左右两个结构。输入到网络中是token embedding + position_embedding 2.再经过cnn-encoder进行编码 3.多头注意力 阅读全文

摘要： 一.简介 此模型采用bertBERT for Joint Intent Classification and Slot Filling进行意图识别与槽填充。 结构如下： 从上可知： 1.意图识别采用[cls]的输出进行识别 2.槽填充直接输出对应的结果进行序列标注，这里不使用mlm中的mask 3. 阅读全文

摘要： 一.简单介绍 此模型是对Convolutional Sequence to Sequence Learning中的encoder部分进行的改进。 原模型是用于机器翻译，这里我将稍加修改用来做问答中的slot filling和intent detection联合建模。 整体修改主要有以下几点： 1.使 阅读全文

摘要： 此分类模型是来自序列模型Convolutional Sequence to Sequence Learning，整体构架如上图所示。 原论文是用来做语言翻译，这里我将稍微修改用来做问答中的slot filling和intent detection联合建模。 本项目中的图片和原始代码是改自https: 阅读全文

摘要： 此分类模型是来自序列模型Convolutional Sequence to Sequence Learning中的encoder部分，这里暂且叫它带残差的cnn model，如上图所示。 1.句子token和其对应的position经过embedding后，逐元素加和作为source embeddi 阅读全文

摘要： 在《Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling》中的模型attention-based rNN model基础上，提出了slot-gate门。 通过slot-g 阅读全文

摘要： 一.智能对话中的意图识别和槽填充联合建模，类似于知识图谱中的关系提取和实体识别。一种方法是利用两种模型分别建模；另一种是将两种模型整合到一起做联合建模型。意图识别基本上是文本分类，而槽填充基本上是序列标注。本方法是基于文章《Attention-Based Recurrent Neural Netwo 阅读全文

摘要： 功能主要包括学科知识图谱以及题目知识点追踪、关系查询、问答及知识点预测等。 前端页面参考：https://github.com/qq547276542/Agriculture_KnowledgeGraph，在此表示非常感谢。 此项目也参考了作者之前的电影图谱：https://github.com/j 阅读全文

摘要： 一.利用transformer-encoder进行文本分类，用于在问答中的意图识别。 二.结构图 三.程序(完整程序:https://github.com/jiangnanboy/intent_classification/tree/master/transformer_encoder） impor 阅读全文

摘要： 一.利用textrcnn进行文本分类，用于在问答中的意图识别。 二.结构图 三.程序(完整程序:https://github.com/jiangnanboy/movie_knowledge_graph_app/tree/master/intent_classification/pytorch/tex 阅读全文