스피킹 언어 이해를 위한 토큰 수준의 의도 탐지 기능을 갖춘 스택 전파 프레임워크

의도 탐지(intent detection)와 슬롯 채우기(slot filling)는 음성 언어 이해(SLU) 시스템을 구축하는 데 있어 두 가지 주요 과제이다. 이 두 과제는 밀접하게 연관되어 있으며, 슬롯 정보는 종종 의도에 크게 의존한다. 본 논문에서는 의도 정보를 보다 효과적으로 통합하여 슬롯 채우기를 보다 정확히 유도할 수 있는 새로운 SLU 프레임워크를 제안한다. 제안하는 프레임워크에서는 스택 전파(Stack-Propagation)를 활용한 공동 모델(joint model)을 채택하여, 의도 정보를 직접 슬롯 채우기의 입력으로 사용함으로써 의도의 의미적 지식을 효과적으로 포착할 수 있다. 또한 오류 전파를 더욱 완화하기 위해 스택 전파 프레임워크에 대해 토큰 단위의 의도 탐지 작업을 수행한다. 공개된 두 개의 데이터셋에서 수행한 실험 결과, 제안 모델은 기존의 모든 방법보다 큰 폭으로 우수한 성능을 보이며 최신 기술(SOTA) 수준에 도달함을 확인하였다. 마지막으로, 본 프레임워크에 양방향 인코더 표현 기반 트랜스포머(Bidirectional Encoder Representations from Transformers, BERT) 모델을 도입함으로써, SLU 작업에서 더욱 높은 성능 향상을 달성하였다.