意图识别和槽信息填充的联合模型将口语理解技术(Spoken language understanding, SLU)提升到了一个新的水平，但是目前研究进展的模型通过话语上下文信息判断位置信息，缺少对槽信息标签之间位置信息的考虑，导致模型在槽位提取过程中容易发生边界错误，进而影响最终槽位提取表现。而且在槽信息提取任务中，槽指称项（Slot mentions）可能与正常表述话语并没有区别，特别是电影名字、歌曲名字等，模型容易受到槽指称项话语的干扰，因而无法在槽位提取中正确识别槽位边界。本文提出了一种面向口语理解的结合边界预测和动态模板的槽填充(Boundary-prediction and Dynamic-template Slot Filling, BDSF)模型。该模型提供了一种联合预测边界信息的辅助任务，将位置信息引入到槽信息填充中，同时利用动态模版机制对话语句式建模，能够让模型聚焦于话语中的非槽指称项部分，避免了模型被槽指称项干扰，增强模型区分槽位边界的能力。在公共基准语料库CAIS和SMP-ECDT上的实验结果表明，我们的模型优于比较模型，特别是能够为槽标签预测模型提供准确的位置信息。

内容中包含的图片若涉及版权问题，请及时与我们联系删除