Pro-HAN：面向基于轮廓的口语理解的异构图注意力网络
计算与语言
2024-02-07 v1
摘要
近年来，基于轮廓的口语理解（Profile-based Spoken Language Understanding, SLU）日益受到关注，其目标是通过整合各种类型的辅助轮廓信息（如知识图谱、用户画像、上下文感知）来消除用户话语中普遍存在的歧义。然而，现有方法只能分别建模不同的轮廓信息，而未考虑它们之间的相互关系，也无法排除其中不相关或冲突的信息。为解决上述问题，我们引入了一种异构图注意力网络（Heterogeneous Graph Attention Network）来跨多个轮廓信息进行推理，称为Pro-HAN。具体而言，我们设计了三种类型的边，分别记为intra-Pro、inter-Pro和utterance-Pro，以捕获多个轮廓之间的相互关系。我们在ProSLU数据集上取得了新的最优结果，所有三个指标均提升了约8%。进一步的分析实验也证实了我们的方法在建模多源轮廓信息方面的有效性。
引用
@article{arxiv.2402.03900,
title = {Pro-HAN: A Heterogeneous Graph Attention Network for Profile-Based Spoken Language Understanding},
author = {Dechuan Teng and Chunlin Lu and Xiao Xu and Wanxiang Che and Libo Qin},
journal= {arXiv preprint arXiv:2402.03900},
year = {2024}
}
备注
Accepted at ICASSP 2024