面向语音助手及更广泛场景的可解释且精准的自然语言理解
机器学习
2023-09-27 v1 计算与语言
摘要
联合意图检测与槽填充，亦称联合 NLU（自然语言理解），对智能语音助手极具价值。该领域的近期进展 heavily 聚焦于借助各类技术提升准确率。可解释性无疑是包括联合 NLU 模型在内的基于深度学习的模型的重要方面。缺乏可解释性时，其决策对外界不透明，从而往往缺乏用户信任。因此，为弥补此差距，我们将完整联合 NLU 模型转化为在细粒度上“内在”可解释而不牺牲准确率。此外，在我们使完整联合 NLU 模型可解释的同时，我们展示了我们的扩展可成功用于其他通用分类任务。我们使用情感分析与命名实体识别证明了这一点。
引用
@article{arxiv.2309.14485,
title = {Explainable and Accurate Natural Language Understanding for Voice Assistants and Beyond},
author = {Kalpa Gunaratna and Vijay Srinivasan and Hongxia Jin},
journal= {arXiv preprint arXiv:2309.14485},
year = {2023}
}
备注
Accepted at CIKM 2023