Co-guiding Net : Réaliser des guidages mutuels entre la détection de plusieurs intentions et le remplissage de champs grâce à des graphes de labels sémantiques hétérogènes

Les modèles récents basés sur les graphes pour la détection conjointe de plusieurs intentions et le remplissage des emplacements ont obtenu des résultats prometteurs en modélisant l’orientation apportée par la prédiction des intentions sur le décodage du remplissage des emplacements. Toutefois, les méthodes existantes présentent deux limitations majeures : (1) elles ne modélisent que l’orientation unidirectionnelle allant des intentions vers les emplacements ; (2) elles utilisent des graphes homogènes pour représenter les interactions entre les nœuds sémantiques d’emplacements et les nœuds d’étiquettes d’intentions, ce qui limite leur performance. Dans ce travail, nous proposons un nouveau modèle nommé Co-guiding Net, basé sur un cadre en deux étapes permettant d’instaurer une mutuelle orientation entre les deux tâches. Dans la première étape, des étiquettes initiales estimées pour les deux tâches sont produites, puis exploitées dans la deuxième étape pour modéliser les orientations mutuelles. Plus précisément, nous introduisons deux réseaux d’attention sur graphes hétérogènes fonctionnant sur deux graphes sémantiques-étiquettes hétérogènes proposés, qui permettent de représenter efficacement les relations entre les nœuds sémantiques et les nœuds d’étiquettes. Les résultats expérimentaux montrent que notre modèle surpasser les modèles existants avec une amélioration relative de 19,3 % par rapport au meilleur modèle antérieur sur le jeu de données MixATIS, en termes de précision globale.