用于意图分类与槽填充的双向联合神经网络
计算与语言
2022-03-01 v1
摘要
意图分类与槽填充是自然语言理解的两个关键任务。传统上这两个任务独立进行。然而，近来用于意图分类与槽填充的联合模型取得了最先进的性能，并证明了两任务间存在强关联。本文提出一种用于意图分类与槽填充的双向联合模型，其包含通过 BERT 与双向联合自然语言理解机制（包括 intent2slot 与 slot2intent）的多阶段分层处理，以实现意图分类与槽填充之间的相互性能增强。评估表明，在应用于公开基准数据集 ATIS（88.6%）和 SNIPS（92.8%）时，我们的模型在意图分类准确率、槽填充 F1 上取得了最先进结果，并显著提升了句子级语义框架准确率。
引用
@article{arxiv.2202.13079,
title = {Bi-directional Joint Neural Networks for Intent Classification and Slot Filling},
author = {Soyeon Caren Han and Siqu Long and Huichun Li and Henry Weld and Josiah Poon},
journal= {arXiv preprint arXiv:2202.13079},
year = {2022}
}