基于胶囊神经网络的联合槽填充与意图检测

能够识别词语为槽并检测话语意图一直是自然语言理解中的热点问题。现有工作或以流水线方式分别处理槽填充与意图检测，或采用联合模型在顺序标注槽的同时概括话语级意图，而未显式保留词、槽与意图之间的层次关系。为利用语义层次进行有效建模，我们提出一种基于胶囊的神经网络模型，通过动态路由协议（routing-by-agreement）模式完成槽填充与意图检测。我们提出一种重路由模式，利用推断出的意图表示进一步协同提升槽填充性能。在两个真实数据集上的实验显示了我们的模型相较于其他替代模型架构以及现有自然语言理解服务的有效性。