面向对话式 AI 的口语理解：近期进展与未来方向
计算与语言
2022-12-22 v1 人工智能
摘要
当人类在网络与线上使用自然语言与机器交流时，机器如何理解人类的意图及其话语的语义上下文？这是一项重要的人工智能任务，因为它使机器能够为人类构建合理的回答或执行有用的动作。语义在句子层面由意图检测标识，在词层面由称为槽填充的标注任务标识。这一双层级联合任务需要对自然语言与深度学习网络设计进行创新性思考，因此已提出并应用了许多方法与模型。本教程将讨论该联合任务如何构建，并介绍基于深度学习技术的口语理解/自然语言理解 (SLU/NLU)。我们将涵盖该领域使用的数据集、实验与指标。我们将描述机器如何利用最新 NLP 与深度学习技术解决该联合任务，包括循环与基于注意力的 Transformer 网络及预训练模型（如 BERT）。随后我们将详细考察一种使任务两个层级——意图分类与槽填充——显式交互以提升性能的网络。我们将对该模型进行 Python notebook 的代码演示，参会者将有机会观看此联合 NLU 的编码演示任务以加深理解。
引用
@article{arxiv.2212.10728,
title = {Spoken Language Understanding for Conversational AI: Recent Advances and Future Direction},
author = {Soyeon Caren Han and Siqu Long and Henry Weld and Josiah Poon},
journal= {arXiv preprint arXiv:2212.10728},
year = {2022}
}
备注
Accepted by TheWebConf2023. arXiv admin note: substantial text overlap with arXiv:2101.08091