摘要

意图检测和槽填充是构建语音语言理解（SLU）系统的主要任务。这两个任务紧密相关，槽位通常高度依赖于意图。在本文中，我们提出了一种新颖的SLU框架，以更好地融合意图信息，从而进一步指导槽填充。在我们的框架中，采用了带有堆栈传播（Stack-Propagation）的联合模型，可以直接将意图信息作为输入用于槽填充，从而捕捉意图的语义知识。此外，为了进一步缓解错误传播，我们在堆栈传播框架中执行了词元级别的意图检测。在两个公开数据集上的实验表明，我们的模型达到了最先进的性能，并且大幅超过了其他先前的方法。最后，我们在框架中使用了双向Transformer编码器表示（BERT）模型，这进一步提升了我们在SLU任务中的表现。