초록
의도 탐지(intent detection)와 슬롯 채우기(slot filling)는 자연어 이해에서 중요한 기본 과제이다. 실제로 하나의 발화 내에는 여러 가지 의도가 존재할 수 있다. 이러한 다양한 의도를 각각의 슬롯에 적절히 매핑하는 것은 최근 연구에서 새로운 도전 과제가 되고 있다. 기존의 모델들은 각 슬롯에 대해 관련된 의도 정보를 적응적으로 추출하기 위해 신경망 계층을 활용하지만, 의도 선택 과정이 명확하지 않은 문제가 있다. 본 연구에서는 문장의 의도와 주제 간에 강한 일관성이 있음을 관찰하여, 주제 정보를 활용하여 의도 탐지와 슬롯 채우기를 공동으로 수행하는 주제 융합 메커니즘을 제안한다. 이 방법에서는 토큰 수준의 주제 정보를 의도 정보 대신 사용하여 슬롯 예측을 안내하며, 문장 수준의 주제 정보는 의도 탐지 성능을 향상시키는 데 활용된다. 실험 결과, 두 개의 공개 데이터셋에서 명확한 성능 향상이 확인되었으며, MixATIS에서는 문장 정확도가 4.8% 향상되었고, MixSNIPS에서는 의도 탐지 정확도가 0.7% 향상되었다.