面向跨领域对话 AI 的分层多任务自然语言理解：HERMIT NLU
计算与语言
2019-10-03 v1
摘要
我们提出了一种用于口语对话系统中广覆盖自然语言理解的新神经架构。我们开发了分层多任务架构，其提供句子含义的多层表示（即对话行为与类帧结构）。该架构是由自注意力机制与 BiLSTM 编码器级联后再接 CRF 标注层构成的层次结构。我们描述了一系列实验，表明我们的方法在标注有对话行为与帧语义的数据集上取得了有前景的结果。此外，我们展示了其适用于另一个公开的、标注有领域特定意图及相应语义角色的 NLU 数据集，其总体性能高于 RASA、Dialogflow、LUIS 和 Watson 等最先进工具。例如，我们展示在实体标注 F 值上较 Rasa、Dialogflow 和 LUIS 平均提升 4.45%。
引用
@article{arxiv.1910.00912,
title = {Hierarchical Multi-Task Natural Language Understanding for Cross-domain Conversational AI: HERMIT NLU},
author = {Andrea Vanzo and Emanuele Bastianelli and Oliver Lemon},
journal= {arXiv preprint arXiv:1910.00912},
year = {2019}
}
备注
10 pages