面向多轮对话数据集的三级联合自然语言理解

自然语言理解通常将单条话语映射至双级语义框架：句子级意图与词级槽标签。性能最佳的模型强制意图检测与槽填充之间的显式交互。我们提出一种新颖的三级联合自然语言理解方法，增加域层级，并在所有层级间显式交换语义信息。该方法支持使用多轮数据集，其比单条话语更贴近自然对话环境。我们在两个多轮数据集上评估了模型，且我们是首个在此类数据上开展联合槽填充与意图检测的工作。我们的模型在多轮数据集上的槽填充与意图检测均优于最先进的联合模型。我们提供了层间显式交互位置的分析。我们得出结论：引入域信息可提升模型性能。