摘要

多意图识别与槽位填充联合模型因其能够处理多意图话语，更贴近复杂的现实应用场景，近年来受到越来越多关注。现有大多数联合模型完全依赖训练过程来捕捉意图与槽位之间的隐式关联，却忽视了语料库中蕴含的丰富全局知识，这些知识实际上有助于揭示意图与槽位之间直观且显式的关联关系。本文旨在充分利用意图与槽位之间的统计共现频率作为先验知识，以增强联合多意图识别与槽位填充的效果。具体而言，我们基于整个训练语料构建了一个意图-槽位共现图，以全局视角挖掘意图与槽位之间的关联。在此基础上，提出一种新型图神经网络，用于建模两个子任务之间的交互关系。在两个公开的多意图数据集上的实验结果表明，所提方法显著优于当前最先进的模型。