초록
언어 이해 시스템(Spoken Language Understanding, SLU)은 슬롯 채우기(Slot Filling, SF)와 의도 인식(Intent Detection, ID)라는 두 가지 주요 작업을 포함합니다. 이 두 작업을 위한 결합 모델이 SLU에서 추세가 되고 있지만, 기존의 결합 모델에서는 의도와 슬롯 간의 양방향 상호 연관성이 확립되지 않았습니다. 본 논문에서는 이러한 문제를 해결하기 위해 양방향 상호 연관성을 갖춘 새로운 결합 의도 인식 및 슬롯 채우기 모델을 제안합니다. 우리는 두 작업 간의 직접적인 연결을 구축하여 서로를 상호적으로 향상시키는 SF-ID 네트워크를 소개합니다. 또한, SF-ID 네트워크 내부에 완전히 새로운 반복 메커니즘을 설계하여 양방향 상호 연관성을 강화하였습니다. 실험 결과, 우리의 모델은 ATIS와 Snips 데이터셋에서 각각 기존 최신 모델 대비 문장 수준의 의미 프레임 정확도에서 3.79%와 5.42%의 상대적인 개선을 보였습니다.