---
title: "槽位填充（Slot Filling）"
slug: slot-filling
language: zh-TW
source: https://aiterms.tw/terms/slot-filling
updated_at: 2026-04-29
tags: [自然語言處理, 深度學習, AI應用, 模型訓練, 知識圖譜]
ipas_term: false
---

# 槽位填充（Slot Filling）

> **你有沒有在你對語音助理說「幫我訂明天台北到高雄的高鐵」，它要抓出日期、地點、交通工具，發現只看表面常常不夠？**
>
> 你可以把它想成把句子裡的關鍵欄位填進表單，不只知道你要做什麼，還要知道細節是什麼。
>
> 對話系統如果只懂意圖，不懂細節，就沒辦法真的幫你完成任務。

### 容易混淆
> **意圖識別**
> 意圖識別像判斷你的「目的」（例如：你是想訂票？還是想查天氣？），槽位填充則像進一步問「細節」（你是想訂哪裡的票？什麼時候的？）。兩者常常是搭檔，先判斷意圖，再從中提取具體資訊。
>
> 最關鍵的區別：先看它是在比意思、比結構，還是在做任務輸出。

### 記住這句就好
> 把時間、地點、數量這些細節抓出來，就是槽位填充。

### 實際案例
> 訂票系統要抓出出發地、目的地、日期、艙等，才能真的幫你下單。
> 天氣查詢要抓出城市和日期，才知道你問的是哪裡、哪一天。

### 算法與應用
> 常見做法是序列標注，像 BIO 標籤，把句子中的實體位置標出來。
> 現在也常和意圖分類一起做，先判斷目的，再抽出欄位。

### 情境判斷
> **Q1（直覺題）：** 如果系統知道你是要訂票，但不知道去哪裡，還能完成嗎？
>
> → 不能完整完成。意圖有了，槽位沒填滿，任務還不夠。
>
> **Q2（判斷題）：** 如果一句話裡有重疊的時間和地點資訊，這還算正常挑戰嗎？
>
> → 算，而且很常見。看情況，這時候模型要更依賴上下文。

### 常見問題
> **Q：槽位填充和意圖識別有什麼區別？**
> 意圖識別旨在理解使用者輸入的整體目的，例如“預訂餐廳”。槽位填充則負責提取完成該目的所需的具體資訊，例如餐廳名稱、日期、時間和人數。兩者通常一起使用，意圖識別確定目的，槽位填充提取細節。
>
> **Q：槽位填充有哪些常見的技術方法？**
> 常見的技術方法包括基於規則的方法、基於統計的方法（如HMM和CRF）以及基於深度學習的方法（如RNN和Transformer）。基於深度學習的方法，尤其是Transformer模型，目前在槽位填充任務中表現最佳。
>
> **Q：如何提高槽位填充的準確性？**
> 提高槽位填充準確性的方法包括：使用高質量的訓練資料、考慮上下文資訊、處理歧義、處理口語化表達、引入領域知識以及使用更先進的深度學習模型。此外，模型微調和資料增強技術也有助於提高性能。

### 相關術語
> - **意圖分類**：槽位填充通常和意圖識別一起做。
> - **對話系統**：聊天機器人的流程通常先意圖、再槽位。
> - **對話式人工智慧**：對話系統的整體框架，最適合和槽位填充一起看。
> - **自然語言理解**：它比一般 NLP 更偏理解層，最適合拿來對照語義層次。
> - **聊天機器人**：很多槽位填充都發生在聊天機器人流程裡。

---

來源：https://aiterms.tw/terms/slot-filling
快查頁：https://aiterms.tw/terms/slot-filling
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-slot-filling