KO
|
EN
gitlite — search
Search
#python
#java
#python3
#arduino
#golang
#machine-learning
#rust
#html
#flask
#javascript
#seismology
#nodejs
IntentRecognitionModel
★ 11
Open GitHub ↗
pytorch+bert实现的意图识别与槽位填充
Download README (.md)
Explore Similar Repositories
powerBIVisual_NLP_by_OpenAIGPT
:
PowerBI Custom Visual that performs NLP for the data on your dashboard. (NLP Powerd by OpenAI GPT API)
Hornify
:
Spicetify extension that replaces random words with porn tags
nextjs13-blog
:
No description available.
vpm-repos
:
Narazaka's VPM (VRChat Package Manager) Repository
kitti-scc-5dof
:
Implementation of "A CNN-Based Online Self-Calibration of Binocular Stereo Cameras for Pose Change"
// repository documentation
Was this content helpful?
★ 0
(0 ratings)
Select Rating:
★
★
★
★
★
Submit Feedback
Recent Feedback
×
Download README
Do you want to download the
README.md
file for
IntentRecognitionModel
?
Download (.md)
# pytorch_bert_intent_classification_and_slot_filling 基于pytorch的中文意图识别和槽位填充 # 说明 基本思路就是：分类+序列标注（命名实体识别）同时训练。 使用的预训练模型：hugging face上的chinese-bert-wwm-ext 依赖： ```python pytorch==1.6+ transformers==4.5.0 ``` 运行指令： ```python python main.py ``` 可在config.py里面修改相关的参数，训练、验证、测试、还有预测。 # 结果 ```python 意图识别： accuracy:0.9767441860465116 precision:0.9767441860465116 recall:0.9767441860465116 f1:0.9767441860465116 precision recall f1-score support 0 1.00 0.94 0.97 16 2 1.00 1.00 1.00 1 3 1.00 1.00 1.00 4 4 1.00 1.00 1.00 16 5 0.00 0.00 0.00 1 6 1.00 1.00 1.00 22 7 0.84 0.89 0.86 18 8 0.98 0.95 0.96 57 9 1.00 1.00 1.00 2 10 0.00 0.00 0.00 0 11 0.00 0.00 0.00 1 12 0.98 0.99 0.99 327 13 1.00 1.00 1.00 1 14 1.00 1.00 1.00 3 15 1.00 1.00 1.00 1 17 1.00 1.00 1.00 4 18 1.00 0.80 0.89 5 19 1.00 1.00 1.00 14 21 0.00 0.00 0.00 1 22 1.00 1.00 1.00 13 23 1.00 1.00 1.00 9 accuracy 0.98 516 macro avg 0.80 0.79 0.79 516 weighted avg 0.97 0.98 0.97 516 槽位填充： accuracy:0.9366942909760589 precision:0.8052708638360175 recall:0.8461538461538461 f1:0.8252063015753938 precision recall f1-score support Dest 1.00 1.00 1.00 7 Src 1.00 0.86 0.92 7 area 1.00 0.25 0.40 4 artist 0.89 1.00 0.94 8 artistRole 1.00 1.00 1.00 2 author 1.00 1.00 1.00 13 category 0.73 0.90 0.81 42 code 0.71 0.83 0.77 6 content 0.89 0.94 0.91 17 datetime_date 0.72 0.95 0.82 19 datetime_time 0.58 0.64 0.61 11 dishName 0.84 0.88 0.86 74 dishNamet 0.00 0.00 0.00 1 dynasty 1.00 1.00 1.00 11 endLoc_area 0.00 0.00 0.00 2 endLoc_city 0.96 1.00 0.98 43 endLoc_poi 0.62 0.73 0.67 11 endLoc_province 0.00 0.00 0.00 1 episode 1.00 1.00 1.00 1 film 0.00 0.00 0.00 1 ingredient 0.53 0.62 0.57 16 keyword 0.88 0.88 0.88 25 location_area 0.00 0.00 0.00 2 location_city 0.40 1.00 0.57 4 location_poi 0.36 0.57 0.44 7 location_province 0.00 0.00 0.00 3 name 0.80 0.88 0.84 182 popularity 0.00 0.00 0.00 5 queryField 1.00 1.00 1.00 2 questionWord 0.00 0.00 0.00 1 receiver 1.00 1.00 1.00 4 relIssue 0.00 0.00 0.00 1 scoreDescr 0.00 0.00 0.00 1 song 0.86 0.80 0.83 15 startDate_date 0.93 0.93 0.93 15 startDate_time 0.00 0.00 0.00 1 startLoc_area 0.00 0.00 0.00 1 startLoc_city 0.95 0.97 0.96 38 startLoc_poi 0.00 0.00 0.00 1 subfocus 0.00 0.00 0.00 1 tag 0.40 0.40 0.40 5 target 1.00 1.00 1.00 12 teleOperator 0.00 0.00 0.00 1 theatre 0.50 0.50 0.50 2 timeDescr 0.00 0.00 0.00 2 tvchannel 0.74 0.81 0.77 21 yesterday 0.00 0.00 0.00 1 micro avg 0.81 0.85 0.83 650 macro avg 0.52 0.54 0.52 650 weighted avg 0.79 0.85 0.81 650 ================================= 打开相机这 意图： LAUNCH 槽位： [('name', '相', 2, 2)] ================================= ================================= 国际象棋开局 意图： QUERY 槽位： [('name', '国际象棋', 0, 3)] ================================= ================================= 打开淘宝购物 意图： LAUNCH 槽位： [('name', '淘宝', 2, 3)] ================================= ================================= 搜狗 意图： LAUNCH 槽位： [] ================================= ================================= 打开uc浏览器 意图： LAUNCH 槽位： [('name', 'uc浏', 2, 4)] ================================= ================================= 帮我打开人人 意图： LAUNCH 槽位： [] ================================= ================================= 打开酷狗并随机播放 意图： LAUNCH 槽位： [('name', '酷狗', 2, 3)] ================================= ================================= 赶集 意图： LAUNCH 槽位： [] ================================= ================================= 从合肥到上海可以到哪坐车？ 意图： QUERY 槽位： [('Src', '合肥', 1, 2), ('Dest', '上海', 4, 5)] ================================= ================================= 从台州到金华的汽车。 意图： QUERY 槽位： [('Src', '台州', 1, 2), ('Dest', '金华', 4, 5)] ================================= ================================= 从西安到石嘴山的汽车票。 意图： QUERY 槽位： [('Src', '西安', 1, 2), ('Dest', '石嘴山', 4, 6)] ================================= ``` # 补充 上述实验只是基于自己的思路所做的，有些同学需要了解相关知识，这里附上：<br> [意图识别和槽位填充综述](http://cn.arxiv.org/abs/2101.08091) <br> [利用bert进行意图识别和槽位填充](https://zhuanlan.zhihu.com/p/415530908)
