Nov, 2022

带有标记语义注入的动态图交互式框架用于口语理解

PDF
TL;DR本文提出了一种名为 DGIF 的框架，采用语义标签信息构建交互式图模型来模拟意图和槽之间的关系，相较于现有方法在 MixATIS 数据集上的综合准确度相对提升了 13.7%。
multi-intent detectionslot fillingjoint modelssemantic informationinteractive graph
发现论文，激发创造
  • AGIF: 一个自适应的图交互框架，用于联合多意图检测和槽填充

    本文提出了一个自适应图交互框架（AGIF）用于联合多个意图检测和填充，其中介绍了一种意图 - 词槽图交互层来模拟词槽和意图之间的强相关性。在三个多意图数据集上的实验结果表明，我们的框架获得了实质性的改进并实现了最新的性能。另外，我们的框架在两个单意图数据集上实现了新的最新性能表现。

    Apr, 2020

  • 一种用于多意图口语理解的 BiRGAT 模型与分层语义框架

    本研究主要关注多意图的口语理解，提出了一个多意图数据集，使用 BiRGAT 模型编码本体项的层级结构，并配合三路指针生成器解码器，在实验中取得了显著优于传统序列标签和基于分类的方案的结果。

    Feb, 2024

  • 基于依存结构的多粒度标签细化网络，用于联合意图检测和槽位填充

    本文提出一种基于依存结构和标签语义嵌入的多粒度标签精炼网络，利用图注意层介绍了句子的依存结构来增强句法表示，通过注意机制将任务特定的特征与相应的标签嵌入相结合捕获语法信息和任务标签之间的语义依赖关系。在两个公共数据集上的实验结果表明，我们的模型取得了竞争性能。

    Sep, 2022

  • 一种新的双向关联模型，用于联合意图检测和槽位填充

    本文提出了一种新颖的双向互相关联的联合意图检测和槽填充模型，通过引入 SF-ID 网络和全新的迭代机制来增强两个任务之间的双向关联，实验结果表明，在 ATIS 和 Snips 数据集上，与现有最先进的模型相比，本模型在句子级语义框架准确度上相对提高了 3.79% 和 5.42%。

    Jun, 2019

  • 多意图口语理解的协同引导

    提出了一种名为 Co-guiding Net 的新模型，采用两阶段框架实现了两个任务之间的相互引导，并且通过异构图注意网络有效地表示语义节点和标签节点之间的关系，并进一步利用对比学习提高模型性能。

    Nov, 2023

  • Co-guiding Net：通过异构语义标签图实现多个意图检测和插槽填充之间的互相引导

    本文提出了 Co-guiding Net 这一新模型，通过两个异构语义标签图实现两个任务间的相互引导，有效地提高了基于图的多重意图检测和槽填充的性能。

    Oct, 2022

  • 基于提示的多意图口语理解统一框架

    本研究提出了 Prompt-based Spoken Language Understanding（PromptSLU）框架，通过提供通用的预训练 Seq2Seq 模型，将意图检测（ID）和槽位填充（SF）两个子任务统一为同一形式。实验结果表明，该框架在两个公共数据集上表现优于现有的一些最先进模型。

    Oct, 2022

  • 一个基于扩散加权图的新意图发现框架

    通过使用 Diffusion Weighted Graph Framework，本研究提出了一种新的方法来识别未标记的数据中的新意图，以及有效传递预训练知识。实验证明，该方法在多个基准数据集上表现优于现有模型。

    Oct, 2023

  • 增强式自然语言用于生成式序列标记

    该研究提出了一种生成式框架，用于多个序列标记任务和句子级分类。与以往的判别式方法不同，该模型通过共享自然语言输出空间，自然地融合标签语义，并在任务之间共享知识。该框架具有通用性，可在 few-shot、低资源和高资源任务上表现良好，并在命名实体识别、槽位标记和意图分类等基准测试中展示了这些优势。

    Sep, 2020

  • 基于胶囊神经网络的联合槽位填充与意图识别

    本研究提出了基于 capsule 的神经网络模型，通过动态路由协议实现槽填充和意图检测，从而有效地利用了语义层次结构。实验表明，与其他模型结构以及现有自然语言理解服务相比，我们的模型具有更好的性能。

    Dec, 2018