通过多层多粒度对比学习实现口语理解

口语理解（SLU）是面向任务对话系统的核心任务，旨在通过构建语义框架来理解用户当前的目标。SLU通常包括两个子任务，即意图检测和槽位填充。尽管有一些SLU框架联合建模这两个子任务并实现了高性能，但大多数仍然忽视了意图与槽位之间的内在关系，未能实现两个子任务之间的相互指导。为了解决这个问题，我们提出了一种多层多粒度的SLU框架MMCL，在话语层、槽位层和词汇层应用对比学习，以使意图与槽位相互指导。在话语层，我们的框架同时实现了粗粒度对比学习和细粒度对比学习。此外，我们还应用自蒸馏方法来提高模型的鲁棒性。实验结果和进一步分析表明，我们提出的模型在两个公共多意图SLU数据集上达到了新的最先进的结果，相比之前最好的模型，在MixATIS数据集上获得了2.6的整体准确度提升。