音声言語理解のためのトークンレベル意図検出を備えたスタック伝播フレームワーク

発話言語理解（SLU）システムの構築において、意図検出（intent detection）とスロット埋め込み（slot filling）は主な2つのタスクである。これらのタスクは密接に関連しており、スロットの抽出はしばしば意図に強く依存する。本論文では、意図情報をより効果的に組み込むことで、スロット埋め込みをさらに効果的に導く新たなSLUフレームワークを提案する。本フレームワークでは、スタック伝播（Stack-Propagation）を用いた統合モデルを採用し、意図情報を直接スロット埋め込みの入力として利用可能にする。これにより、意図の意味的知識をより正確に捉えることが可能となる。さらに、誤差伝搬を緩和するため、スタック伝播フレームワークにおいてトークンレベルでの意図検出を実施する。公開データセット2つにおける実験結果から、本モデルが最先端の性能を達成し、従来の手法と比べて大幅な性能向上を示した。最終的に、本フレームワークにTransformerからの双方向エンコーダ表現（Bidirectional Encoder Representation from Transformer: BERT）モデルを導入することで、SLUタスクにおける性能がさらに向上した。