초록
최근 다중 의도 탐지와 슬롯 채우기의 공동 작업을 위한 그래프 기반 모델들은 의도 예측이 슬롯 채우기 디코딩 과정에 미치는 지침을 모델링함으로써 희망적인 성과를 거두었다. 그러나 기존 방법은 (1) 의도에서 슬롯으로의 단방향 지침만을 모델링하며, (2) 슬롯 의미 노드와 의도 레이블 노드 간의 상호작용을 동질적 그래프(homogeneous graphs)로만 표현함으로써 성능에 한계를 겪고 있다. 본 논문에서는 두 작업 간의 상호 지침(mutual guidances)을 달성하는 이중 단계 프레임워크를 구현한 새로운 모델인 Co-guiding Net을 제안한다. 첫 번째 단계에서 두 작업의 초기 예측 레이블을 생성한 후, 이를 두 번째 단계에서 상호 지침을 모델링하는 데 활용한다. 구체적으로, 제안한 두 개의 이질적 의미-레이블 그래프(heterogeneous semantics-label graphs)를 기반으로 작동하는 두 개의 이질적 그래프 주의망(heterogeneous graph attention networks)을 제안하며, 이는 의미 노드와 레이블 노드 간의 관계를 효과적으로 표현한다. 실험 결과, 제안 모델은 기존 모델들에 비해 크게 우수한 성능을 보였으며, MixATIS 데이터셋에서 전체 정확도 측면에서 기존 최고 성능 모델 대비 상대적 개선률 19.3%를 기록하였다.