Deteksi Inten Ganda dan Pelabelan Slot Bersama untuk Dialog Berorientasi Tujuan

Abstrak

Model jaringan saraf tiruan baru-baru ini mendapatkan perhatian untuk klasifikasi inten tingkat kalimat dan identifikasi label slot berbasis token. Dalam banyak skenario dunia nyata, pengguna memiliki beberapa inten dalam ucapan yang sama, dan label slot tingkat token dapat dimiliki oleh lebih dari satu inten. Kami menyelidiki model jaringan saraf berbasis perhatian yang melakukan klasifikasi multi-label untuk mengidentifikasi beberapa inten dan menghasilkan label untuk inten dan label slot pada tingkat token. Kami menunjukkan kinerja mutakhir untuk deteksi inten dan identifikasi label slot dengan membandingkannya dengan model-model kuat yang baru-baru ini diusulkan. Model kami memberikan peningkatan kecil namun signifikan secara statistik sebesar 0,2% pada kumpulan data publik ATIS yang sebagian besar berinten tunggal, dan peningkatan akurasi inten sebesar 55% pada kumpulan data multi-inten internal.