말하기 언어 이해를 위한 레이블-세마틱 주입을 통한 동적 그래프 상호작용 프레임워크

다중 의도 탐지와 슬롯 채우기의 공동 모델은 실제 복잡한 시나리오에 더 가까우므로 점점 더 주목받고 있다. 그러나 기존의 접근 방식은 (1) 두 작업에서 발화와 one-hot 인코딩된 레이블 간의 암묵적인 상관관계에만 초점을 맞추며, 명시적인 레이블 특성을 무시하고 있으며, (2) 각 토큰에 대해 다중 의도 정보를 직접 통합함으로써 관련 없는 의도가 포함되어 슬롯 예측 오류가 발생할 수 있다. 본 논문에서는 DGIF라는 프레임워크를 제안한다. 이 프레임워크는 먼저 레이블의 의미 정보를 활용하여 모델에 추가적인 신호와 풍부한 사전 지식을 제공한다. 그 후, 의도와 슬롯 간의 상관관계를 모델링하기 위해 다중 해상도 상호작용 그래프를 구축한다. 구체적으로, 레이블의 의미 정보를 주입함으로써 상호작용 그래프를 구성하는 새로운 방법을 제안하며, 이는 오류 전파를 보다 효과적으로 완화하기 위해 그래프를 자동으로 업데이트할 수 있다. 실험 결과, 제안한 프레임워크는 기존 방법들을 크게 능가하며, MixATIS 데이터셋에서 전체 정확도 측면에서 기존 최고 성능 모델 대비 상대적인 개선률이 13.7%에 달함을 확인하였다.