面向情境对话应用的口语理解自注意力联合模型
计算与语言
2019-05-29 v1 人工智能
人机交互
摘要
口语理解（SLU）是面向目标对话系统中的关键组件。它通常涉及从用户话语中识别说话人意图并提取语义槽，即意图检测（ID）与槽填充（SF）。近年来 SLU 问题已被深入研究。然而，这些方法仅从语法上约束 SF 结果、独立求解 ID 与 SF，或未能充分利用两任务间的相互影响。本文提出一种带有条件随机场（CRF）层与先验掩码的多头自注意力联合模型。实验显示了我们的模型相较于最先进（state-of-the-art）模型的有效性。同时，中国的在线教育在过去几年取得重大进展，但少有供学生学习的智能教育对话应用。因此，我们设计了一个配备不同场景设置的智能对话机器人，以帮助学生提升沟通技能。
引用
@article{arxiv.1905.11393,
title = {A Self-Attention Joint Model for Spoken Language Understanding in Situational Dialog Applications},
author = {Mengyang Chen and Jin Zeng and Jie Lou},
journal= {arXiv preprint arXiv:1905.11393},
year = {2019}
}