SLIM: BERT를 활용한 명시적 슬롯-의도 매핑을 통한 공동 다중의도 탐지 및 슬롯 채우기

발화 수준의 의도 탐지와 토큰 수준의 슬롯 채우기는 작업 지향 시스템에서 자연어 이해(NLU)의 두 핵심 과제이다. 기존 대부분의 접근 방식은 발화 내에 단일한 의도만 존재한다고 가정하고 있으나, 실제 상황에서는 발화 내에 여러 개의 의도가 포함되는 경우가 흔하다. 본 논문에서는 BERT 기반으로 다중 의도 탐지와 슬롯 채우기를 공동으로 학습할 수 있는 다중 의도 NLU 프레임워크인 SLIM을 제안한다. 기존의 주석 데이터를 최대한 활용하고, 슬롯과 의도 간의 상호작용을 효과적으로 포착하기 위해 SLIM은 슬롯과 의도 간의 다대일 매핑을 학습하기 위한 명시적인 슬롯-의도 분류기를 도입한다. 세 개의 공개 다중 의도 데이터셋에 대한 실증 결과는 (1) SLIM이 다중 의도를 가진 NLU에서 현재 최고 성능을 달성하고 있으며, (2) 슬롯-의도 분류기를 도입함으로써 얻어지는 성능 향상 효과를 입증한다.