一种范围敏感与结果注意力相结合的多意图口语理解模型
计算与语言
2022-11-23 v1 声音
音频与语音处理
摘要
多意图口语理解（SLU）作为 SLU 的新颖且更复杂的场景，正吸引越来越多的关注。与传统 SLU 不同，该场景中每个意图有其特定范围。范围之外的语义信息甚至会阻碍预测，极大增加了意图检测难度。更严重的是，以这些不准确意图标签引导槽填充会遭受错误传播问题，导致整体性能不佳。为解决这些挑战，本文提出一种基于 Transformer 的范围敏感结果注意力网络（SSRAN），包含范围识别器（SR）与结果注意力网络（RAN）。范围识别器为每个词元分配范围信息，减少范围外词元的干扰。结果注意力网络有效利用槽填充与意图检测结果间的双向交互，缓解错误传播问题。在两个公开数据集上的实验表明，我们的模型相较最先进基线显著提升了 SLU 性能（整体准确率提升 5.4% 与 2.1%）。
引用
@article{arxiv.2211.12220,
title = {A Scope Sensitive and Result Attentive Model for Multi-Intent Spoken Language Understanding},
author = {Lizhi Cheng and Wenmian Yang and Weijia Jia},
journal= {arXiv preprint arXiv:2211.12220},
year = {2022}
}