《Multi-Domain Joint Semantic Frame Parsing using Bi-directional RNN-LSTM》

出处： InterSpeech 2016（语音顶会）

摘要

对于NLU的三个任务：domain分类、intent检测、slot-filling，这种分成三个任务而不是端到端学习的优势是：

• 灵活，对某个特定domain的修改不会影响其他domain
• 可以在特定domain使用该特定domain的特征
• 在domain内有更好的理解，因为比如在某一domain的意图检测，只需要在该domain的一个较小的子集内进行就行。
• 方便追查badcase

同时也有一些缺点：

• 错误会传递到下游，domain->intent->slot-filling
• 不能很好的利用多domain的知识，比如有些领域有一些共用的买、卖intent
• domain之间不好迁移
  作者提出一个可以同时产生domain、intent、slot-filling的模型（解决缺点1），并且适用于多domain的情况（解决缺点2、3）

模型