3.1.1.2 实体抽取与槽位填充：NER + Slot Filling联合建模

文档摘要

3.1.1.2 实体抽取与槽位填充：NER + Slot Filling联合建模 3.1.1.2 实体抽取与槽位填充：NER + Slot Filling联合建模中的“标签偏移”陷阱与动态解码修复术在对话系统、智能客服、语音助手等实际工业场景中，Query理解的第一步往往是精准地从用户输入中抽取出关键信息——比如“帮我订明天下午三点从北京飞上海的航班”，我们需要识别出“明天下午三点”是出发时间、“北京”是出发地、“上海”是目的地。这类任务通常被建模为命名实体识别（NER）或更具体的槽位填充（Slot Filling）。而当我们将二者联合建模时——即用一个统一的序列标注模型同时完成实体类型判别与槽位语义角色分配——看似优雅高效，实则暗藏玄机。