본 논문은 구조화된 의도 온톨로지를 소형 언어 모델과 통합하여 모바일 AI 에이전트에서 다중 의도 이해를 위한 신경 기호 프레임워크를 소개합니다. 검색 증강 프롬프팅, 로짓 바이어싱 및 선택적 분류 헤드를 활용하여 기호적 의도 구조를 입력 및 출력 표현 모두에 주입합니다. 계층적 온톨로지 깊이를 기반으로 하는 새로운 평가 지표인 Semantic Intent Similarity (SIS)를 공식화하여 어휘적으로 다른 예측된 의도에도 의미적 근접성을 포착합니다. MultiWOZ 2.3의 모호하고 까다로운 대화 하위 집합(GPT-o3의 오라클 레이블 사용)에 대한 실험 결과, 온톨로지 보강된 3B Llama 모델이 GPT-4 정확도(85% vs 90%)에 에너지 및 메모리 사용량의 극히 적은 비율로 접근함을 보여줍니다. 정성적 비교를 통해 온톨로지 보강 모델이 더 정확하고 모호성을 제거한 다중 의도 해석을 생성함을 알 수 있습니다. 결과는 정확하고 효율적인 온디바이스 NLU를 가능하게 하는 효과적인 전략으로서의 기호적 정렬을 검증합니다.
