AGIF: 공동 다중 의도 탐지 및 슬롯 채우기를 위한 적응형 그래프 상호작용 프레임워크

실제 환경에서는 사용자가 동일한 발화 내에서 여러 가지 의도를 동시에 가지고 있는 경우가 흔하다. 그러나 대부분의 음성 언어 이해(SLU) 모델은 주로 단일 의도 상황에 초점을 맞추거나, 모든 토큰에 대해 전반적인 의도 컨텍스트 벡터를 단순히 통합하는 방식을 채택하여, 토큰 수준의 슬롯 예측을 위한 세부적인 다중 의도 정보 통합을 간과하고 있다. 본 논문에서는 다중 의도 탐지와 슬롯 채우기의 공동 작업을 위한 적응형 그래프 상호작용 프레임워크(Adaptive Graph-Interactive Framework, AGIF)를 제안한다. 이 프레임워크는 슬롯과 의도 간의 강한 상관관계를 모델링하기 위해 의도-슬롯 그래프 상호작용 레이어를 도입한다. 이 상호작용 레이어는 각 토큰에 대해 적응적으로 적용되며, 관련된 의도 정보를 자동으로 추출할 수 있는 장점이 있어, 토큰 수준의 슬롯 예측을 위한 세밀한 의도 정보 통합을 가능하게 한다. 세 개의 다중 의도 데이터셋에서의 실험 결과, 제안하는 프레임워크는 상당한 성능 향상을 달성하며 최신 기술 수준(SOTA) 성능을 기록하였다. 또한, 단일 의도 데이터셋 두 개에 대해서도 새로운 최고 성능을 달성하였다.