通过众包开发了包含22k个发言、15个领域和1061个对话的波斯语对话数据集，并进行了标注以训练模型。提出了用于自然语言理解任务的基准模型，意图分类和实体抽取的F-1得分分别约为91％和93％，可作为未来研究的基准。

通过众包开发了一个波斯语对话数据集，包含22k个发言、15个领域和1061个对话。标注并训练了模型，提出了用于自然语言理解任务的基准模型，意图分类F-1得分约为91%，实体抽取F-1得分约为93%。可作为未来研究的基准。

本文介绍了一种通过自然对话来协助用户进行预测任务的智能代理。通过引入预测话语的概念，并采用实体抽取和问答技术解决槽填充问题，实验证明了该方法的可行性和有效性。