口语理解中领域、意图与槽位的耦合表示学习
计算与语言
2018-12-18 v1 机器学习
机器学习
摘要
表示学习在广泛应用中有基本重要性，对成功执行下游任务十分关键。在本文中，我们提出一种新模型，通过利用口语理解系统中领域、意图和槽位的分层依赖关系，学习它们的耦合表示。我们提出的模型基于绑定到这些意图的槽位，通过聚合槽位表示来学习意图的向量表示。类似地，领域的向量表示通过聚合绑定到特定领域的意图表示来学习。据我们所知，这是首个利用分层关系联合学习领域、意图和槽位表示的方法。实验结果证明了我们模型所学表示的有效性，这体现在上下文跨领域重排序任务上性能的提升。
引用
@article{arxiv.1812.06083,
title = {Coupled Representation Learning for Domains, Intents and Slots in Spoken Language Understanding},
author = {JIhwan Lee and Dongchan Kim and Ruhi Sarikaya and Young-Bum Kim},
journal= {arXiv preprint arXiv:1812.06083},
year = {2018}
}
备注
IEEE SLT 2018