一种联合且领域自适应的口语理解方法
计算与语言
2021-07-27 v1 人工智能
摘要
口语理解（SLU）由两个子任务组成：意图检测（ID）和槽填充（SF）。关于SLU的研究有两条主线。一条是联合处理这两个子任务以提高其预测精度，另一条则侧重于其中一个子任务的领域自适应能力。在本文中，我们试图连接这两条研究主线，并提出一种联合且领域自适应的SLU方法。我们将SLU形式化为一个约束生成任务，并利用基于特定领域本体的动态词汇表。我们在ASMixed和MTOD数据集上进行了实验，取得了与先前最先进的联合模型相竞争的性能。此外，结果表明我们的联合模型可以有效地适应新领域。
引用
@article{arxiv.2107.11768,
title = {A Joint and Domain-Adaptive Approach to Spoken Language Understanding},
author = {Linhao Zhang and Yu Shi and Linjun Shou and Ming Gong and Houfeng Wang and Michael Zeng},
journal= {arXiv preprint arXiv:2107.11768},
year = {2021}
}