SLIM: 基于 BERT 的显式槽位-意图映射用于联合多意图检测与槽位填充
人工智能
2021-08-27 v1
摘要
话语级意图检测和词元级槽位填充是面向任务系统中自然语言理解 (NLU) 的两个关键任务。大多数现有方法假设一句话中仅存在单一意图。然而，在真实场景中，一句话内通常包含多个意图。在本文中，我们提出了一个名为 SLIM 的多意图 NLU 框架，基于 BERT 联合学习多意图检测与槽位填充。为充分利用现有标注数据并捕获槽位与意图之间的交互，SLIM 引入了一个显式槽位-意图分类器，以学习槽位与意图之间的多对一映射。在三个公开多意图数据集上的实验结果证明：(1) 与当前多意图 NLU 的 SOTA 相比，SLIM 具有优越的性能；(2) 槽位-意图分类器带来的益处。
引用
@article{arxiv.2108.11711,
title = {SLIM: Explicit Slot-Intent Mapping with BERT for Joint Multi-Intent Detection and Slot Filling},
author = {Fengyu Cai and Wanhao Zhou and Fei Mi and Boi Faltings},
journal= {arXiv preprint arXiv:2108.11711},
year = {2021}
}