要約
現実世界のシナリオでは、ユーザーが同一の発話（utterance）内で複数の意図（intent）を持つことが一般的である。しかし、現在の大多数の音声言語理解（SLU）モデルは、主に単一意図の状況に焦点を当てており、あるいはすべてのトークンに全体的な意図コンテキストベクトルを単純に組み込むにとどまり、トークンレベルのスロット予測における細分化された複数意図情報の統合を無視している。本論文では、複数意図検出とスロット埋め込みを統合的に処理するための、適応型グラフ相互作用フレームワーク（Adaptive Graph-Interactive Framework; AGIF）を提案する。本フレームワークでは、スロットと意図の強い相関関係をモデル化するため、意図-スロットグラフ相互作用層を導入している。この相互作用層は各トークンに対して適応的に適用され、関連する意図情報を自動的に抽出可能となるため、トークンレベルのスロット予測に向けた細分化された意図情報の統合を実現する。3つの複数意図データセットにおける実験結果から、本フレームワークは顕著な性能向上を達成し、最先端（state-of-the-art）の性能を実現した。さらに、2つの単一意図データセットにおいても、新たな最先端性能を達成した。