Feb, 2024

一种用于多意图口语理解的 BiRGAT 模型与分层语义框架

PDF
TL;DR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。
spoken language understandingmulti-intent datasetin-vehicle dialogue systembirgat modelontology items
发现论文，激发创造
  • 带有标记语义注入的动态图交互式框架用于口语理解

    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%。

    Nov, 2022

  • 多层次多粒度对比学习驱动口语理解

    提出了一种多级多粒度的语音语义理解（SLU）框架 MMCL，应用对比学习在话语级、槽位级和词级三个层级上，实现意图和槽位之间的互相引导，通过对公开的多意图 SLU 数据集的实验结果和进一步分析，证明了模型取得了新的最先进结果，在 MixATIS 数据集上的整体准确率相比之前最好的模型提高了 2.6 个百分点。

    May, 2024

  • 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

  • 多轮口语对话中基于知识增强的 BERT 互联网络

    本文研究了基于 BERT 的联合模型，利用知识关注机制和筛选相关知识三元组的门控机制相互利用两个 SLU 任务的对话上下文和动态信息进行建模，实验结果表明相对于其他竞争基线，该方法在两个复杂的多轮对话数据集上取得了相当大的改进。

    Feb, 2022

  • 基于双模态的 RNN 语义框架解析模型用于意图检测和槽位填充

    通过设计新的双模型基于 RNN 的语义框架解析网络结构，使用两个相关的双向 LSTMs 联合执行意图检测和槽位填充任务，取得了关于意图准确性提高了约 0.5％ 和槽位填充提高了 0.9％ 的最新成果。

    Dec, 2018

  • 跨领域会话 AI 的分层多任务自然语言理解：HERMIT NLU

    我们提出了一个用于口语对话系统宽覆盖自然语言理解的新型神经架构，该架构采用层次多任务结构，具有自我注意机制、BiLSTM 编码器和 CRF 标签层。我们展示了该方法在对话行为和框架语义上获得了可喜的结果，并证明了其适用于注释为特定领域意图和相应语义角色的不同 NLU 数据集，整体表现优于 RASA、Dialogflow、LUIS 和 Watson 等现有工具。例如，我们展示了平均实体标记 F 分数比 Rasa、Dialogflow 和 LUIS 提高了 4.45%。

    Oct, 2019

  • 大型语言模型是否理解多意图口语？

    本研究通过利用大型语言模型（LLMs）进行多意图口语语言理解（SLU）的研究，提出一种独特的方法，充分利用 LLMs 的生成能力，在 SLU 环境中重构了实体槽位，引入了子意图指令（SII）的概念，增强了对复杂多意图通信的解析和解释，从而形成了名为 LM-MixATIS 和 LM-MixSNIPS 的结果数据集。我们的研究表明，LLMs 可以匹配并潜在地超越当前最先进的多意图 SLU 模型的能力。此外，我们还介绍了两个开创性的度量标准，实体槽位准确度（ESA）和综合语义准确度（CSA），以深入分析 LLMs 在这一复杂领域的熟练程度。

    Mar, 2024

  • 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

  • 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

  • 基于 Token 级别意图检测的栈传播框架用于口语理解

    该论文提出了一种新的用于自然语言理解的框架，采用了联合模型和 Stack-Propagation，旨在更好地结合意图信息以进一步指导填槽，使用 BERT 模型进一步提升了性能。

    Sep, 2019