意图识别项目笔记

意图识别分为两个模块：意图分类的识别和当前意图中slot(槽位)的识别。其中槽位的识别可以参考实体的识别，但又与之不同。槽位识别可以看做是对每个意图所需条件的识别，比实体的识别更加多元化。比如有一句话：显示从北京到上海的航班。

意图：航班查询。

槽位标记：北京（from-city），上海（to-city）

实体标记：北京（city）,上海(city)。

1.项目流程

样本格式：采用BIO标记策略，句子+EOS+句子中每个字对应的槽位标签+意图。

1.数据预处理阶段：。将句子，槽位标签，意图id化并保存至文件中

2.模型输入：句子的列表，每个句子长度的列表，槽位列表，意图列表。

3.模型架构：通过模型预测槽位列表、意图列表。

4.损失计算：通过NLLLoss()函数（只接收log_softmax后的数据）计算槽位、意图和实际的损失。

5.模型优化：使用Adam函数优化损失。

2.模型架构

下面来详细介绍上述流程中的模型架构。

模型结构图：