संयुक्त स्लॉट भरना और इरादा पहचानना कैप्सूल न्यूरल नेटवर्क के माध्यम से

शब्दों को स्लॉट के रूप में पहचानने और कथन का इरादा पहचानने की क्षमता प्राकृतिक भाषा समझ में एक महत्वपूर्ण मुद्दा रहा है। मौजूदा काम या तो स्लॉट भरने और इरादा पहचानने को एक पाइपलाइन तरीके से अलग-अलग मानते हैं, या संयुक्त मॉडलों को अपनाते हैं जो क्रमशः स्लॉट को लेबल करते हैं जबकि कथन-स्तरीय इरादे का सारांश देते हैं, बिना शब्दों, स्लॉट और इरादों के बीच की पदानुक्रमिक संबंध को स्पष्ट रूप से बनाए रखते हुए। प्रभावी मॉडलिंग के लिए अर्थात्मक पदानुक्रम का लाभ उठाने के लिए, हम एक कैप्सूल-आधारित न्यूरल नेटवर्क मॉडल प्रस्तावित करते हैं जो गतिशील रूटिंग-बाय-एग्रीमेंट योजना के माध्यम से स्लॉट भरने और इरादा पहचानने का कार्य करता है। एक पुनः-रूटिंग योजना प्रस्तावित की गई है ताकि निष्कर्षित इरादा प्रतिनिधित्व का उपयोग करके स्लॉट भरने के प्रदर्शन को और अधिक सहयोगी बनाया जा सके। दो वास्तविक दुनिया के डेटा सेट पर प्रयोग हमारे मॉडल की प्रभावशीलता को अन्य वैकल्पिक मॉडल आर्किटेक्चर और मौजूदा प्राकृतिक भाषा समझ सेवाओं की तुलना में दिखाते हैं।