基于持续学习模型的意图检测与槽填充联合方法
计算与语言
2021-02-23 v1 音频与语音处理
摘要
槽填充与意图检测已成为自然语言理解领域的重要主题。尽管槽填充与意图检测密切相关，但两项任务所需信息的特征不同，而大多数方法可能未充分意识到这一问题。此外，有效平衡两个任务的精度是联合学习模型不可避免的问题。本文提出一种持续学习关联模型（CLIM），以考虑具有不同特征的语义信息并有效平衡意图检测与槽填充之间的精度。实验结果表明，CLIM 在 ATIS 和 Snips 数据集上的槽填充与意图检测均取得了最先进的性能。
引用
@article{arxiv.2102.10905,
title = {Joint Intent Detection And Slot Filling Based on Continual Learning Model},
author = {Yanfei Hui and Jianzong Wang and Ning Cheng and Fengying Yu and Tianbo Wu and Jing Xiao},
journal= {arXiv preprint arXiv:2102.10905},
year = {2021}
}
备注
Accepted to ICASSP 2021