GL-GIN：用于联合多意图检测与槽填充的快速准确非自回归模型
计算与语言
2021-06-04 v1
摘要
多意图口语理解（SLU）可处理话语中的多个意图，已引起越来越多的关注。然而，最先进的联合模型严重依赖自回归方法，导致两个问题：推理速度慢与信息泄漏。在本文中，我们探索了一种用于联合多意图检测与槽填充的非自回归模型，实现了更快速且更准确。具体而言，我们提出了全局-局部图交互网络（GL-GIN），其中提出局部槽感知图交互层以建模槽依赖关系，从而缓解不协调槽问题，同时引入全局意图-槽图交互层以建模话语中多个意图与所有槽之间的交互。在两个公开数据集上的实验结果表明，我们的框架在达到最先进性能的同时快 11.5 倍。
引用
@article{arxiv.2106.01925,
title = {GL-GIN: Fast and Accurate Non-Autoregressive Model for Joint Multiple Intent Detection and Slot Filling},
author = {Libo Qin and Fuxuan Wei and Tianbao Xie and Xiao Xu and Wanxiang Che and Ting Liu},
journal= {arXiv preprint arXiv:2106.01925},
year = {2021}
}
备注
Accepted at ACL2021 (main conference)