STIL——同步槽填充、翻译、意图分类与语言识别：基于 mBART 在 MultiATIS++ 上的初步结果
计算与语言
2022-04-20 v1
摘要
槽填充、翻译、意图分类与语言识别（STIL）是一项新提出的多语言自然语言理解（NLU）任务。通过执行同步槽填充并翻译为单一输出语言（此处为英语），部分下游系统组件可为单语，从而降低开发与维护成本。本文给出使用多语言 BART 模型（Liu et al., 2020）在 MultiATIS++ 数据集上以 7 种语言微调的结果。在不进行翻译时，mBART 在所测语言上的性能与当前最优系统（Xu et al. (2020) 的跨语言 BERT）相当，平均意图分类准确率更优（96.07% 对 95.50%），但平均槽 F1 较差（89.87% 对 90.81%）。在进行同步翻译时，平均意图分类准确率仅相对下降 1.7%，平均槽 F1 仅相对下降 1.2%。
引用
@article{arxiv.2010.00760,
title = {STIL -- Simultaneous Slot Filling, Translation, Intent Classification, and Language Identification: Initial Results using mBART on MultiATIS++},
author = {Jack G. M. FitzGerald},
journal= {arXiv preprint arXiv:2010.00760},
year = {2022}
}
备注
4 pages; To be published at AACL 2020; For code, see: https://github.com/jgmfitz/stil-mbart-multiatispp-aacl2020