應用遷移式學習於跨領域意圖偵測與槽值辨識

智慧手機是現代人隨身攜帶的裝置，許多時候使用者需要一邊進行手邊工作(如開車、烹飪、慢跑)，一邊操作手機進行回信件、傳訊息、查行程、播放音樂等；因此透過口語交辦任務的需求愈來愈大；因此Actions on Google和 Alexa Skills 等框架的出現，即是支援開發人員能更輕鬆透過會話式介面串接其服務。本計畫將以手機上最常使用的應用程式包括電子郵件、行程、訊息、活動、播(找)歌曲等為應用服務，建立一個支援日常生活的跨領域對話系統。兩年期計畫工作分別為：第一年計畫主要發展上述應用程式的跨領域對話服務，進行相對對話語料蒐集、標註及相對應的意圖、槽值定義與設計，接著訓練自然語言理解NLU模組，進行意圖偵測及槽位與槽值的擷取，同時整合對話狀態追蹤、對話行為決策、以及自然語言生成模組。第二年計畫將運用遷移學習(Transfer Learning)於跨領域的意圖偵測與槽值辨識，期望降低模型的訓練成本，並擴展模型在跨領域對話系統的泛化能力。