End-to-end convolutional neural networks for intent detection

Yolchuyeva Sevinj; Németh Géza; Gyires-Tóth Bálint: End-to-end convolutional neural networks for intent detection.

Előnézet

Cikk, tanulmány, mű msznykonf_015_123-134.pdf Letöltés (628kB) | Előnézet

Absztrakt (kivonat)

Convolutional Neural Networks (CNNs) have been applied to various machine learning tasks, such as computer vision, speech technologies and machine translation. One of the main advantages of CNNs is the representation learning capability from highdimensional data. End-to-end CNN models have been massively explored in computer vision domain and this approach has also been attempted in other domains as well. In this paper, a novel end-to-end CNN architecture with residual connections is presented for intent detection, which is one of the main goals for building a spoken language understanding (SLU) system. Experiments on two datasets (ATIS and Snips) were carried out. The results demonstrate that the proposed model outperforms previous solutions.

Mű típusa:	Konferencia vagy workshop anyag
Befoglaló folyóirat/kiadvány címe:	Magyar Számítógépes Nyelvészeti Konferencia
Dátum:	2019
Kötet:	15
ISBN:	978-963-315-393-2
Oldalak:	pp. 123-134
Konferencia neve:	Magyar Számítógépes Nyelvészeti Konferencia (15.) (2019) (Szeged)
Befoglaló mű URL:	http://acta.bibl.u-szeged.hu/58556/
Kulcsszavak:	Nyelvészet - számítógép alkalmazása
Megjegyzések:	Bibliogr.: p. 132-134. ; összefoglalás angol nyelven
Feltöltés dátuma:	2019. júl. 03. 12:21
Utolsó módosítás:	2022. nov. 08. 11:49
URI:	http://acta.bibl.u-szeged.hu/id/eprint/59079

Bővebben:

Tétel nézet