JointBERT

收录理由

JointBERT 将意图识别与槽位填充整合进同一个 BERT 模型，一次前向计算同时输出用户意图和承载该意图的语句片段，省去了分别训练两个分类器再拼接的繁琐流程。这种联合建模方式正是其核心价值所在。仓库在 ATIS 与 Snips 两个基准上给出了可复现的实验结果，支持多种 Transformer 预训练模型，并可在槽位输出端挂接 CRF 层以约束标签序列的合法性。代码结构清晰，适合作为研究模板来阅读和移植，但依赖的库版本较旧，直接用于生产环境前需要自行适配。