面向任务对话论文模型效果排行榜 https://github.com/AtmaHou/Task-Oriented-Dialogue-Dataset-Survey
《Slot-Gated Modeling for Joint Slot Filling and Intent Prediction》
发表在NAACL HLT 2018，自然语言四大顶会之一。
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准确率相对提升了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有助于分析槽位和意图的关系。
论文主要公式：
论文代码解析图：
更多内容见 yuanxiaosc/Slot-Gated-Modeling-for-Joint-Slot-Filling-and-Intent-Prediction
论文相关资源
| 标题 | 说明 | 时间 |
|---|---|---|
| Slot-Gated Modeling for Joint Slot Filling and Intent Prediction | 论文原文 | 2018 |
| 论文实现 Code | 原作者实现 | 2018 |
| Slot-Gated Modeling for Joint Slot Filling and Intent Prediction | Helic He 解读 | 20181203 |
| 『 论文阅读』Slot-Gated Modeling for Joint Slot Filling and Intent Prediction | 立刻有 | 20181014 |
| 相关论文Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Filling解读 | 立刻有 | 20181014 |
| 【论文阅读】Slot-Gated Modeling for Joint Slot Filling and Intent Prediction | iMayday_hui；代码解读 | 20181121 |
| 《用于槽填充和意图检测的slot-gates模型》阅读笔记 | 战先生 | 20181105 |
论文改进：增加 CRF 输出层
实验结果
| ATIS数据集 | crf | softmax |
|---|---|---|
| Slot f1 | val: 97.39 ; test: 95.15 | val: 97.0; test:95.08 |
| Intent Acc | val: 98.2; test: 95.41 | val: 97.6; test: 95.52 |
| Semantic Acc | val: 90.0; test: 83.42 | val: 89.0 ; test: 83.53 |
