协同引导网络：通过异质语义-标签图实现多意图检测与槽填充的相互引导
计算与语言
2022-11-08 v2 人工智能
摘要
近期用于联合多意图检测与槽填充的基于图的模型，通过建模意图预测对槽填充解码的引导取得了可喜结果。然而，现有方法（1）仅建模从意图到槽的单向引导；（2）采用同质图来建模槽语义节点与意图标签节点之间的交互，限制了性能。本文提出一种称为协同引导网络（Co-guiding Net）的新模型，其实现了一个两阶段框架以达成两任务间的相互引导。在第一阶段，产生两任务的初始估计标签，随后在第二阶段利用它们来建模相互引导。具体而言，我们提出两个异质图注意力网络，作用于所提出的两个异质语义-标签图，有效表征语义节点与标签节点间的关系。实验结果表明，我们的模型大幅优于现有模型，在 MixATIS 数据集上总体准确率相对先前最佳模型提升 19.3%。
引用
@article{arxiv.2210.10375,
title = {Co-guiding Net: Achieving Mutual Guidances between Multiple Intent Detection and Slot Filling via Heterogeneous Semantics-Label Graphs},
author = {Bowen Xing and Ivor W. Tsang},
journal= {arXiv preprint arXiv:2210.10375},
year = {2022}
}
备注
Accepted as Oral Presentation at EMNLP 2022