意圖識別是對話語或文件的意圖進行分類的任務。例如，對于查詢：北京明天早上的天氣如何？我們想把意圖歸類為天氣；在瀏覽商品時，我們會問“這衣服身高 170 穿多大碼的”、“快遞發到北京需要多久”等等語句都體現著您的購買意圖，通過對輸入語句進行意圖識別可以優化和完善我們的智能對話智能問答系統。

典型的文本分類模型，例如 NeMo 中的聯合意圖（Joint Intent）和槽分類（Slot classification）模型，是在成百上千個標記文檔數據上訓練的。在本次網絡研討會中，我們展示了一種不同的“零樣本（Zero-Shot）”方法，該方法不需要目標意圖的標注數據。零樣本方法使用在自然語言推理（NLI）任務上訓練的模型。在訓練期間，模型會呈現由“前提”和“假設”組成的成對句子，并且將它們之間的關系進行歸類。

NVIDIA NeMo 是一個用于構建先進的對話式 AI 模型的開源工具庫，它內置集成了自動語音識別（ASR）、自然語言處理（NLP）和語音合成（TTS）的模型及方法。NeMo 可以快速加載先進的預訓練模型 “開箱即用”，使用模型的配置文件 “化繁為簡”，進而快速完成包括 NLP 意圖識別在內的各類對話式 AI 子任務。

本次網絡研討會主要面向有 NLP 和語音 AI 開發需求的開發者。

零樣本學習在意圖識別中的應用

NVIDIA NeMo 代碼解析

12 月 15 日，星期四，20:00 – 21:30

主要內容

• 意圖識別任務簡介

• “零樣本” 學習和數據集簡介

• 零樣本意圖模型的訓練和評估

• 在 NeMo 中使用零樣本意圖模型進行推理

會議嘉賓

李奕澎|NVIDIA 企業開發者社區經理

擁有多年數據分析建模、人工智能自然語言處理開發經驗。在自動語音識別、自然語言處理、語音合成等對話式 AI 技術領域有豐富的實戰經驗與見解。曾開發法律、金融、保險文檔中基于實體抽取的智能問答系統，曾開發基于 NLP 知識抽取，KG 知識圖譜的建立的科研文檔智能檢索系統。

參與方式

掃描上方二維碼即可

相關資料

了解 NVIDIA NeMo 的更多信息