槽填充与情感分类

槽填充与情感分类

槽填充（Intent Detection）和意图识别（Slot Filling）是对话系统中非常常见的两大任务。通常而言，ID被视作是一个分类任务，而SF被视为是一个序列标任务

Prompt

文章标题：Incorporating Instructional Prompts into A Unified Generative Framework
for Joint Multiple Intent Detection and Slot Filling
动机：现有的方法关注于利用task-specific组件获取意图和槽之间的关系信息，作者认为这样的方式限制了模型对这两个任务的共性进行建模，也限制了更加广泛的应用。工作简介：文章提出了Unified Generative framework (UGEN)模型，这一模型基于prompt的范式，把意图识别和槽填充规范化成问答问题，作者设计了5种模板，并且在每个模板中包含一个问题，这个问题可以充当driver的作用，告诉UGEN如何获取范式（paradigm）；同时也包含候选意图和槽，从而减少寻找答案的空间；还包含一个表示原始对话的上下文信息。通过prompt的方法指导下，UGEN模型能够理解意图、槽以及他们之间的潜在关系。

Instructional templates

为了将ID和SF视为一个question-answering问题更好地适应预训练模型，作者设计了5种类型的template，每种类型中都包含三个部分：Context、Questions、Options。
Context：初始的句子X。
Question： Question的作用是指导模型理解范式并利用Context X生成相关的回答。Question包含5种类型，Question-1是意图分类任务相关和剩余的4个Question是槽填充任务相关的，之所以这样分配原因是槽类型通常远大于意图的类型。
Option：罗列了所有候选的意图标签和槽名称，从而限制模型挑选词语的空间。

参考文献：
Yangjun Wu, Han Wang, Dongxiang Zhang, Gang Chen, Hao Zhang:
Incorporating Instructional Prompts into a Unified Generative Framework for Joint Multiple Intent Detection and Slot Filling. COLING 2022: 7203-7208