캡슐 신경망을 이용한 병합 슬롯 채우기 및 의도 검출

단어를 슬롯으로 인식하고 발화 의도를 감지하는 것은 자연어 이해에서 중요한 문제로 여겨져 왔습니다. 기존 연구들은 슬롯 채우기와 의도 감지를 파이프라인 방식으로 별개로 처리하거나, 단어 수준의 슬롯을 순차적으로 라벨링하면서 발화 수준의 의도를 요약하지만, 단어, 슬롯, 그리고 의도 간의 계층적 관계를 명시적으로 보존하지 않는 결합 모델을 사용하였습니다. 이러한 의미론적 계층 구조를 효과적으로 모델링하기 위해, 우리는 동적 라우팅-바이-합의 방식을 통해 슬롯 채우기와 의도 감지를 수행하는 캡슐 기반 신경망 모델을 제안합니다. 또한 추론된 의도 표현을 활용하여 슬롯 채우기 성능을 더욱 시너지 효과적으로 개선하기 위한 재라우팅 방식을 제안하였습니다. 두 개의 실제 데이터셋에 대한 실험 결과는 우리의 모델이 다른 대체 모델 아키텍처 및 기존 자연어 이해 서비스와 비교할 때 그 유효성을 입증하였습니다.