초록
대화 시스템에서의 구어 언어 이해(SLU)를 위한 두 가지 핵심 작업은 화자 의도 검출과 의미 슬롯 채우기입니다. 본 논문에서는 의도 검출, 슬롯 채우기, 그리고 언어 모델링을 동시에 수행하는 순환 신경망(RNN) 모델에 대해 설명합니다. 이 신경망 모델은 음성 인식 문장의 단어가 도착할 때마다 의도 추정을 지속적으로 업데이트하고, 이를 공동 모델에서 문맥적 특성으로 활용합니다. 언어 모델과 온라인 SLU 모델의 평가는 ATIS 벤치마크 데이터 세트를 사용하여 이루어졌습니다. 언어 모델링 작업에서는 독립적으로 훈련된 언어 모델과 비교하여 혼동도(perplexity)가 11.8% 상대적으로 감소하였습니다. SLU 작업에서는 의도 검출 오류율이 22.3% 개선되었으며, 슬롯 채우기 F1 점수는 약간 저하되었습니다. 또한, 실제 ASR(음성 인식) 환경에서 노이즈가 있는 음성 입력 조건에서도 공동 모델은 우수한 성능을 보였습니다.