基于细粒度信息集成的意图识别和槽填充联合模型

作者：周天益; 范永全^*; 杜亚军; 李显勇

来源：计算机应用研究, 2023, 40(09): 2669-2673.

DOI：10.19734/j.issn.1001-3695.2023.01.0015

• 意图识别
• 槽位填充
• 联合模型
• 双向LSTM

意图识别和槽位填充是构建口语理解(SLU)系统的两项主要任务，两者相互联合的模型是对话系统的研究热点。这两个任务紧密相连，槽位填充通常高度依赖于意图信息。针对最近联合模型中：固定阈值很难在不同领域中选择出正向的投票，且复杂的意图信息不能充分地引导槽位填充的问题。提出了一种基于细粒度信息集成的意图识别和槽填充联合模型。其中，将由意图解码器获取的意图信息与各单词的编码表示拼接，形成意图引导的集成编码表示，从而为单词级槽位填充提供细粒度的意图信息。同时，通过计算最大意图得分和最小意图得分的中间值获得逻辑自适应阈值，并用其代替固定阈值。逻辑自适应阈值可随不同意图标签的得分分布而变化。通过在两个多标签数据集上的实验结果验证了提出的模型的性能。