文件名称：rnn-nlu：用于序列分类和序列标记的递归神经网络的TensorFlow实现
文件大小：25KB
文件格式：ZIP
更新时间：2024-02-27 01:11:08
tensorflow recurrent-neural-networks attention sequence-labeling sequence-classification
基于注意的RNN模型用于口语理解（意图检测和插槽填充） 针对序列分类和序列标记的基于注意力的LSTM模型的Tensorflow实现。 更新-2017/07/29 更新了代码以使用最新的TensorFlow API：r1.2 代码清理和格式化 请注意，此发布的代码不包括输出标签依赖项的建模。 可以像TensorFlow 示例中的rnn_decoder函数一样添加一个循环函数，以将嵌入的发射标签反馈回RNN状态。 或者，可以通过在RNN输出的顶部添加层来执行序列级优化。 论文中使用的数据集可以在以下找到： : 。 我们在最初的ATIS训练/测试组中使用了训练集，该训练集包含4978个
【文件预览】：
rnn-nlu-master
----run_multi-task_rnn.py(19KB)
----data()
--------ATIS_samples()
----seq_classification.py(6KB)
----conlleval.pl(13KB)
----data_utils.py(11KB)
----multi_task_model.py(23KB)
----README.md(3KB)
----seq_labeling.py(9KB)