一种用于意图检测与槽填充联合任务的新型双向关联模型
计算与语言
2019-07-02 v1 人工智能
音频与语音处理
摘要
口语理解（SLU）系统包括两个主要任务：槽填充（SF）和意图检测（ID）。这两个任务的联合模型正成为SLU中的趋势。但现有联合模型未建立意图与槽之间的双向关联连接。本文中，我们提出一种用于意图检测与槽填充联合任务的新型双向关联模型。我们引入SF-ID网络为两个任务建立直接连接，以助其相互促进。此外，我们在SF-ID网络内部设计了一种全新的迭代机制以增强双向关联连接。实验结果表明，与最先进模型相比，我们的模型在ATIS和Snips数据集上的句子级语义帧准确率相对提升分别为3.79%和5.42%。
引用
@article{arxiv.1907.00390,
title = {A Novel Bi-directional Interrelated Model for Joint Intent Detection and Slot Filling},
author = {Haihong E and Peiqing Niu and Zhongfu Chen and Meina Song},
journal= {arXiv preprint arXiv:1907.00390},
year = {2019}
}
备注
Accepted paper of ACL 2019 (short paper) with 5 pages