【论文阅读】Slot-Gated Modeling for Joint Slot Filling and Intent Prediction

论文部分

Abstract

根据slot和intent之间的关系，提出了一种slot gate来学习intent和slot向量之间的关系，通过全局优化来获得更好地语义信息。

Introduction

由于slot通常高度依赖于intent，因此本工作重点介绍如何通过引入slot gate来建模slot和intent向量之间的显式关系：

• slot gated模型效果比基于注意力的模型具有更好的性能；
• 对两个SLU数据集的实验表明了所提出的slot gate的推广和有效性；
• gating表示有助于我们学习 slot-intent 之间的关系。

Proposed Approach

模型架构图。

可以看出，该模型主要是将单词序列输入一个双向的LSTM中

state_outputs, final_state = tf.nn.bidirectional_dynamic_rnn(cell_fw,
                                                                 cell_bw,
                                                                 inputs,
                                                                 sequence_length=sequence_length,
                                                                 dtype=tf.float32)

对于输出部分，将其通