基于注意力胶囊网络的口语理解联合模型.pdfVIP

总第424期计算机与数字工程Vol.53No.2

ComputerDigitalEngineering

2025年第2期计算机与数字工程499

2025年第2期

基于注意力胶囊网络的口语理解联合模型∗

李维乾杨卓琳蒋良

（西安工程大学计算机科学学院西安710048）

摘要意图识别和语义槽填充是口语理解系统中的两项重要任务，将两项任务联合学习已成为一种趋势。然而，现

有的联合模型在获得语句意图的同时对槽位进行序列标注，并没有明确保留字、词、槽位和意图之间的层次关系。论文设计

了一种基于注意力胶囊网络的口语理解联合模型。该模型对输入的字信息和词信息进行动态融合，充分考虑了口语理解中

字词信息的重要性；通过自注意力路由和重路由实现意图与语义槽的双向信息流动。实验表明，该模型在CAIS和

ECDT-NLU数据集得到了较好的结果，在CAIS上意图识别准确率达到94.82%，语义槽填充F1分数达到88.36%，在

ECDT-NLU上意图识别准确率达到79.94%，语义槽填充F1分数达到49.62%，对比其他模型取得了较好的性能。

关键词对话系统；口语理解；意图识别；语义槽填充；注意力胶囊网络

中图分类号TP391.1DOI：10.3969/j.issn.1672-9722.2025.02.035

AJointModelforSpokenLanguageUnderstandingBasedon

AttentionCapsuleNetworks

LIWeiqianYANGZhuolinJIANGLiang

（SchoolofComputerScience，XianPolytechnicUniversity，Xian710048）

AbstractIntentrecognitionandslotfillingaretwoimportanttasksinspokenlanguageunderstandingsystems，andithasbe⁃

comeatrendtojointlylearnthetwotasks.However，theexistingjointmodelssequentiallyannotatetheslotswhileobtainingthesen⁃

tenceintent，anddonotexplicitlypreservethehierarchicalrelationshipamongchars，words，slotsandintents.Thispaperdesignsa

jointmodelforspokenlanguageunderstandingbasedonattentioncapsulenetwork.Themodeldynamicallyfusestheinputcharinfor⁃

mationandwordinformation，fullyconsideringtheimportanceofcharinformationandwordinformationinspokenlanguageunder⁃

standing.Throughself-attentionroutingandrerouting，thebidirectionalinformationflowofintentandsemanticslotsisrealized.Ex⁃

perimentsshowthatthemodelhasachievedgoodresultsontheCAISandECDT-NLUdatasets，withanintentrecognitionaccuracy

rateof94.82%onCAIS，aslotfillingF1scoreof88.36%，andintentrecognitionaccuracyonECDT-NLUreaches79.94%，and

theslotfilli