snips数据集_《用于槽填充和意图检测的slot-gates模型》阅读笔记

标题：《Slot-Gated Modeling for Joint Slot Filling and Intent Prediction》

来源：NAACL2018

方向：slot filling 、intent

声明：转载请注明出处：学习ML的皮皮虾

Intruduction：

基于Attention的RNN模型在联合意图识别(ID)和槽位填充(SF)上实现最好性能(其ID和SF的attention权重独立)。然而，其通过损失函数将两者关联只是隐式地关联。由于slot filling通常高度依赖于intent，因此本工作重点介绍如何通过引入插槽选通机制来模拟slot和intent向量之间的显式关系。本文提出slot gate结构，其关注于学习intent和slot attention向量之间的关系，通过全局优化获得更好的semantic frame。通过在ATIS和Snips数据集实验，相比于attention模型semantic frame准确率提升了4.2%。

创新点：提出slot-gate方法实现了最好的性能表现。

通过数据集实验表明slot-gate的有效性。

slot-gate有助于分析slot filling和intent的关系。

Model

底部特征：

使用BILSTM结构，输入：x={

}, 输出：

attention:

slot f