Gemeinsame Slot-Füllung und Intentionserkennung durch Capsule-Neuronale-Netze
Die Fähigkeit, Wörter als Slots zu erkennen und die Absicht einer Äußerung zu identifizieren, ist ein wichtiges Thema im Bereich der natürlichen Sprachverarbeitung. Bestehende Arbeiten behandeln entweder Slot-Füllung und Absichtserkennung getrennt in einem Pipeline-Verfahren oder verwenden gemeinsame Modelle, die Slots sequenziell kennzeichnen, während sie die Absicht auf ÄußerungsEbene zusammenfassen, ohne die hierarchische Beziehung zwischen Wörtern, Slots und Absichten explizit zu bewahren. Um die semantische Hierarchie für eine effektive Modellierung auszunutzen, schlagen wir ein kapselbasiertes neuronales Netzwerkmodell vor, das Slot-Füllung und Absichtserkennung durch ein dynamisches Routing-by-Agreement-Schema (动态路由协议) realisiert. Ein erweitertes Routing-Schema wird vorgeschlagen, um die Leistung der Slot-Füllung weiter zu verbessern, indem es die abgeleitete Absichtsdarstellung nutzt. Experimente mit zwei realen Datensätzen zeigen die Effektivität unseres Modells im Vergleich zu anderen alternativen Architekturen sowie bestehenden Diensten zur natürlichen Sprachverarbeitung.请注意，"动态路由协议" 是中文术语，这里为了确保信息完整，我将其放在了括号里。在德语文本中，这个术语可以被省略或者替换为更常见的德语表达 "dynamisches Routing-Verfahren"。因此，优化后的德语文本如下：Die Fähigkeit, Wörter als Slots zu erkennen und die Absicht einer Äußerung zu identifizieren, ist ein wichtiges Thema im Bereich der natürlichen Sprachverarbeitung. Bestehende Arbeiten behandeln entweder Slot-Füllung und Absichtserkennung getrennt in einem Pipeline-Verfahren oder verwenden gemeinsame Modelle, die Slots sequenziell kennzeichnen, während sie die Absicht auf ÄußerungsEbene zusammenfassen, ohne die hierarchische Beziehung zwischen Wörtern, Slots und Absichten explizit zu bewahren. Um die semantische Hierarchie für eine effektive Modellierung auszunutzen, schlagen wir ein kapselbasiertes neuronales Netzwerkmodell vor, das Slot-Füllung und Absichtserkennung durch ein dynamisches Routing-Verfahren realisiert. Ein erweitertes Routing-Schema wird vorgeschlagen, um die Leistung der Slot-Füllung weiter zu verbessern, indem es die abgeleitete Absichtsdarstellung nutzt. Experimente mit zwei realen Datensätzen zeigen die Effektivität unseres Modells im Vergleich zu anderen alternativen Architekturen sowie bestehenden Diensten zur natürlichen Sprachverarbeitung.