赛题|2021 CCIR Cup竞赛成果揭晓，极链发力“人机交互NLU”战绩可贺( 二 )

解题过程中，团队发现由于缺乏先验知识，而使意图识别的准确率提升陷入瓶颈。为了在缺乏实体属性的情形下，对模型不可靠的预测过程进行知识赋能，团队为此构建了文人名录库、文学作品库等多种知识库，从而提高了意图识别的准确率。（例如，改进后可以正确地在Music-Play、Audio-Play这两种易混淆意图当中作出选择）
针对竞赛训练数据中“异常槽位”（表现为槽位所对应的槽值并非来自于原文中，准确地说应该为一种分类标签）的抽取，团队根据异常槽位槽值非空占比值的大小设计了高效的特征词判断规则、深度学习分类模型两种策略，从而可靠地实现了槽位抽取任务。
开源之路，一起同行，感谢提供开源数据与模型的作者为信息检索领域探索出的先锋阵地。极链科技作为决赛入围团队，作品也将在条件允许的情况下统一开源，惠及所有大数据及人工智能科研人员。
一次次参与竞赛的过程，也是极链科技不断求索和突破的过程。在激烈的竞赛较量中，极链两支队伍同时入围决赛，也在一定程度上彰显了极链在人工智能领域的产研实力。
在未来，建立新一代人工智能关键技术体系的过程中，人机交互的体验层级必会愈加丰盈，用户的情感与个性化诉求会更加凸显。极链科技将会躬身前行，不断提升人工智能科研实力，科技驱动产业深度融合，为国家科技战略发展贡献力量，赋能百姓生活智慧升级。