要約
最近、複数の意図検出とスロット埋め込みを統合するためのグラフベースのモデルは、意図の予測がスロット埋め込みのデコーディングに与えるガイドランスをモデル化することで、有望な成果を上げている。しかし、従来の手法は（1）意図からスロットへの「単方向的ガイドランス」のみをモデル化している点、（2）スロット意味ノードと意図ラベルノード間の相互作用を表現するために「同質的グラフ」を採用している点で、性能に限界がある。本論文では、二段階フレームワークを採用し、両タスク間の「相互ガイドランス」を実現する新たなモデル「Co-guiding Net」を提案する。第一段階では、両タスクの初期推定ラベルを生成し、第二段階ではそれらを活用して相互ガイドランスをモデル化する。具体的には、提案する二つの「異質的意味-ラベルグラフ」上で動作する二つの「異質的グラフ注意ネットワーク（heterogeneous graph attention networks）」を設計し、意味ノードとラベルノード間の関係を効果的に表現する。実験結果から、本モデルは既存モデルを大きく上回り、MixATISデータセットにおいて、前人最高のモデル比で全体精度で19.3％の相対的改善を達成した。