Ein neues bidirektionales interrelatives Modell für die gemeinsame Absichtserkennung und Slot-Füllung

Ein System zur Verarbeitung gesprochener Sprache (Spoken Language Understanding, SLU) umfasst zwei Hauptaufgaben: Slot-Füllung (Slot Filling, SF) und Absichtserkennung (Intent Detection, ID). Die gemeinsame Modellierung dieser beiden Aufgaben wird in der SLU zunehmend zu einer Tendenz. Allerdings werden die bidirektionalen, wechselseitig verbundenen Beziehungen zwischen Absicht und Slots in den bestehenden gemeinsamen Modellen nicht hergestellt. In diesem Artikel schlagen wir ein neues bidirektionales, wechselseitig verbundenes Modell für die gemeinsame Absichtserkennung und Slot-Füllung vor. Wir führen ein SF-ID-Netzwerk ein, das direkte Verbindungen zwischen den beiden Aufgaben herstellt, um sie gegenseitig zu fördern. Darüber hinaus haben wir einen vollständig neuen Iterationsmechanismus innerhalb des SF-ID-Netzwerks entwickelt, um die bidirektionalen, wechselseitig verbundenen Beziehungen zu stärken. Die experimentellen Ergebnisse zeigen, dass die relative Verbesserung der satzbezogenen semantischen Rahmengenauigkeit unseres Modells auf den ATIS- und Snips-Datensätzen jeweils 3,79 % und 5,42 % beträgt im Vergleich zum aktuellen Stand der Technik.