OneNet：用于口语理解的联合域、意图与槽位预测
计算与语言
2018-01-17 v1
摘要
在实践中，大多数口语理解系统以流水线方式处理用户输入：首先预测域，然后根据所预测域的语义框架推断意图和语义槽位。然而，流水线方法存在一些缺点：错误传播和缺乏信息共享。为解决这些问题，我们提出了一种联合执行域、意图和槽位预测的统神经网络。我们的方法采用多任务学习的规范化架构，将各任务的最先进模型纳入其中。再加上一些其他要素，例如正字法敏感的输入编码和课程训练，我们的模型在所有域的三个任务上均较强基线取得了显著提升，包括在商业个人助理的真实用户数据上使用了域检测预言预测的基线。
引用
@article{arxiv.1801.05149,
title = {OneNet: Joint Domain, Intent, Slot Prediction for Spoken Language Understanding},
author = {Young-Bum Kim and Sungjin Lee and Karl Stratos},
journal= {arXiv preprint arXiv:1801.05149},
year = {2018}
}
备注
5 pages conference paper accepted to IEEE ASRU 2017. Will be published in December 2017