DVISI: Dual-View Intent-Slot Interaction for Profile-Based Intent Detection and Slot Filling

In diesem Kapitel wird das DVISI-Modell vorgestellt, ein neuartiger Ansatz zum Verständnis gesprochener Sprache (SLU), der Benutzerprofilinformationen integriert, um semantische Mehrdeutigkeiten bei der Erkennung von Absicht und der Füllung von Slots zu beheben. Das Modell verwendet einen CNN-Transformer-Encoder (CTRAN), um lokale und globale semantische Merkmale zu erfassen und den Umgang mit mehrdeutiger Semantik zu verbessern. Zu den Schlüsselkomponenten des DVISI-Modells gehören das Modul Window-Token Intent-Slot Interaction (WTIM) zur semantischen Modellierung mehrerer Granularitäten und das Modul Multi-Subspace Slot-to-Intent Attention (MSIA) für verbesserte Assoziationen zu Slot-Intent. Die Leistung des Modells wird auf Grundlage des PROSLU-Datensatzes bewertet und zeigt signifikante Verbesserungen gegenüber bestehenden hochmodernen Modellen. Das Kapitel untersucht auch die Auswirkungen verschiedener Fusionsmethoden und Rahmenwerke zur Graphenmodellierung auf die Leistung des Modells. Die Ergebnisse unterstreichen die Bedeutung feinkörniger semantischer Interaktion und personalisierter Kontextmodellierung bei der Verbesserung der Robustheit und Genauigkeit von Dialogsystemen. Nachfolgende Forschungsarbeiten werden sich auf die Steigerung der Effizienz und die Ausweitung des Modells auf mehrsprachige und bereichsübergreifende Szenarien konzentrieren.