論文の概要: JPIS: A Joint Model for Profile-based Intent Detection and Slot Filling with Slot-to-Intent Attention

• arxiv url: http://arxiv.org/abs/2312.08737v2
• Date: Sat, 16 Dec 2023 14:50:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 18:59:48.227639
• Title: JPIS: A Joint Model for Profile-based Intent Detection and Slot Filling with Slot-to-Intent Attention
• Title（参考訳）: JPIS:Slot-to-Intent Attentionによるプロファイルベースインテント検出とスロットフィリングの統合モデル
• Authors: Thinh Pham, Dat Quoc Nguyen
• Abstract要約: プロファイルに基づく意図検出とスロットフィリングは、ユーザの発話のあいまいさを軽減するために重要なタスクである。 本稿では,プロファイルに基づく意図検出とスロットフィリングの強化を目的としたジョイントモデルJPISを提案する。 実験の結果,JPISは従来のプロファイルベースモデルよりも大幅に優れていた。
• 参考スコア（独自算出の注目度）: 11.12158809959412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Profile-based intent detection and slot filling are important tasks aimed at reducing the ambiguity in user utterances by leveraging user-specific supporting profile information. However, research in these two tasks has not been extensively explored. To fill this gap, we propose a joint model, namely JPIS, designed to enhance profile-based intent detection and slot filling. JPIS incorporates the supporting profile information into its encoder and introduces a slot-to-intent attention mechanism to transfer slot information representations to intent detection. Experimental results show that our JPIS substantially outperforms previous profile-based models, establishing a new state-of-the-art performance in overall accuracy on the Chinese benchmark dataset ProSLU.
• Abstract（参考訳）: プロファイルに基づくインテント検出とスロット充填は,ユーザ固有のプロファイル情報を活用することで,ユーザの発話の曖昧さを軽減するための重要なタスクである。 しかし、この2つの課題の研究は広範囲に研究されていない。 このギャップを埋めるために,プロファイルに基づくインテント検出とスロット充填の強化を目的としたjpisというジョイントモデルを提案する。 JPISは、サポート対象のプロファイル情報をエンコーダに組み込んで、スロット情報表現をインテント検出に転送するスロットツーインテントアテンション機構を導入する。 実験の結果,JPISは従来のプロファイルベースモデルよりも大幅に優れており,中国のベンチマークデータセットProSLUの精度が向上した。

関連論文リスト

• MISCA: A Joint Model for Multiple Intent Detection and Slot Filling with Intent-Slot Co-Attention [9.414164374919029]
  グラフに基づくジョイントモデルである最近の高度なアプローチは、まだ2つの潜在的な問題に直面している。 我々はMISCAというジョイントモデルを提案する。 我々のMISCAは、意図-スロットのコアテンション機構とラベルアテンション機構の基盤層を導入している。
  論文  参考訳（メタデータ） (2023-12-10T03:38:41Z)
• Introducing "Forecast Utterance" for Conversational Data Science [2.3894779000840503]
  本稿では,Forecast Utteranceという新しいコンセプトを紹介する。 次に,これらの発話からユーザの予測目標を自動的かつ正確に解釈することに集中する。 具体的には、各スロットが目標予測タスクの特定の側面に対応するスロット充足問題として、タスクをフレーム化する。 1) エンティティ抽出 (EE) と 2) 質問応答 (QA) の2つの手法を用いる。
  論文  参考訳（メタデータ） (2023-09-07T17:41:41Z)
• Slot Induction via Pre-trained Language Model Probing and Multi-level Contrastive Learning [62.839109775887025]
  トークンレベルのスロットアノテーションの明示的な知識なしでスロット境界を誘導することを目的としたスロットインジェクション(SI)タスク。 PLMから抽出した教師なし意味知識を活用するために、教師なし事前学習言語モデル(PLM)探索とコントラスト学習機構を活用することを提案する。 提案手法は,2つのNLUベンチマークデータセット上でトークンレベルの教師付きモデルとのギャップを埋めることができ,SIタスクに有効であることが示されている。
  論文  参考訳（メタデータ） (2023-08-09T05:08:57Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)
• Explainable Slot Type Attentions to Improve Joint Intent Detection and Slot Filling [39.22929726787844]
  統合意図検出とスロット充填は自然言語理解(NLU)における重要な研究課題である 既存の統合インテントとスロットフィリングシステムは、全てのスロットタイプで機能を分析し、計算する。 i) 精度を向上させるために追加のスロットタイプ固有の特徴を生成することを学習し、(ii) 共同NLUモデルにおいて初めてスロットフィリング決定に関する説明を提供する、という新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-10-19T00:56:10Z)
• A Fast Attention Network for Joint Intent Detection and Slot Filling on Edge Devices [5.982036462074887]
  本稿では,FAN(Fast Attention Network)を提案する。 FANは異なるエンコーダで実装でき、各速度レベルでより正確なモデルを提供する。 我々のJetson Nanoプラットフォームにおける実験により,FANは1秒あたり15発の発話を少ない精度で推定し,エッジデバイス上での有効性と効率性を示した。
  論文  参考訳（メタデータ） (2022-05-16T13:06:51Z)
• Information-Theoretic Odometry Learning [83.36195426897768]
  生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。 提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
  論文  参考訳（メタデータ） (2022-03-11T02:37:35Z)
• Bi-directional Joint Neural Networks for Intent Classification and Slot Filling [5.3361357265365035]
  目的分類とスロットフィリングのための双方向ジョイントモデルを提案する。 本モデルでは,意図分類の精度,スロットフィリングF1,文レベルのセマンティックフレームの精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2022-02-26T06:35:21Z)
• A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
  我々は、探索は相互情報を近似するものとみなすべきであると論じる。 これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。 本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-09-08T18:08:36Z)
• PIN: A Novel Parallel Interactive Network for Spoken Language Understanding [68.53121591998483]
  既存の RNN ベースのアプローチでは、ID と SF のタスクは、それらの間の相関情報を利用するために、しばしば共同でモデル化される。 SNIPSとATISという2つのベンチマークデータセットによる実験は、我々のアプローチの有効性を実証している。 さらに,事前学習した言語モデルBERTが生成した発話の特徴埋め込みを用いて,提案手法はすべての比較手法の中で最先端の手法を実現する。
  論文  参考訳（メタデータ） (2020-09-28T15:59:31Z)
• AGIF: An Adaptive Graph-Interactive Framework for Joint Multiple Intent Detection and Slot Filling [69.59096090788125]
  本稿では,多目的検出とスロットフィリングを併用する適応グラフ対話フレームワーク(AGIF)を提案する。 スロットとインテントの強い相関関係をモデル化するために,インテント-スロットグラフ相互作用層を導入する。 このような相互作用層が各トークンに適応的に適用され、関連する意図情報を自動抽出する利点がある。
  論文  参考訳（メタデータ） (2020-04-21T15:07:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。