Retrieve & Memorize: Dialog Policy Learning with Multi-Action Memory
Sun Yat-sen University(中山大学)
对话策略学习是面向任务的对话系统的一个重要子任务,它决定了系统响应生成的内容和任务完成的程度。然而,系统动作在对话数据集中的不平衡分布通常导致难以学习生成期望的动作和响应。在本文中,我们提出了一个检索和记忆的框架,以加强学习系统的行动。特别地,我们首先设计了一个神经上下文感知检索模块,从给定的对话上下文的训练集中检索多个候选系统动作。然后,我们提出了一个记忆增强的多解码器网络来生成的候选动作的条件下的系统动作,这使得网络能够自适应地选择候选动作中的关键信息和忽略噪声。我们在大规模多领域面向任务的对话数据集MultiWOZ 2.0和MultiWOZ 2.1上进行了实验。实验结果表明,我们的方法在上下文响应生成任务中达到了几个国家的最先进的模型之间的竞争性能。
2021-06-27 cs.CL
Multi-Action Dialog Policy Learning from Logged User Feedback
JIUTIAN Team, China Mobile Research(中国移动研究院)
多动作对话策略是一种在每轮对话中产生多个原子对话动作的策略,它被广泛应用于面向任务的对话系统中,以提供富有表现力和高效的系统响应。现有的策略模型通常模仿来自标记的多动作对话框示例的动作组合。由于数据的限制,它们对看不见的对话流的概括性很差。虽然基于强化学习的方法被提出来将来自真实用户和用户模拟器的服务评级作为外部监督信号,但它们遭受稀疏且不太可信的对话级奖励。为了解决这个问题,我们探索通过针对历史预测接收的显式和隐式回合级别用户反馈来改进多动作对话策略学习(即,记录的用户反馈),这些反馈对于收集是成本有效的并且忠实于真实世界场景。该任务是具有挑战性的,因为记录的用户反馈仅提供限于代理预测的特定历史对话动作的部分标签反馈。为了充分利用这些反馈信息,我们提出BanditMatch,它解决了任务的反馈增强半监督学习的角度与混合目标的半监督学习和强盗学习。BanditMatch集成了伪标签方法,通过构建完整的标签反馈来更好地探索动作空间。大量的实验表明,我们的BanditMatch优于国家的最先进的方法,产生更简洁和翔实的反应。本文的源代码和附录可以从https://github.com/ShuoZhangXJTU/BanditMatch获得。
2023-02-27 cs.CL
Contextual Dialogue Act Classification for Open-Domain Conversational Agents
Emory University(埃默里大学)
对会话中的用户话语的一般意图进行分类,也称为对话行为(DA),例如,开放式问题、意见陈述或意见请求是会话主体的自然语言理解(NLU)的关键步骤。虽然DA分类已经在人与人的对话中得到了广泛的研究,但对于新兴的开放域自动会话代理,它还没有得到充分的探索。此外,尽管话语级DA分类取得了重大进展,但对对话话语的充分理解需要会话语境。另一个挑战是缺乏开放领域人机对话的可用标记数据。为了解决这些问题,我们提出了一种新的方法,CDAC(上下文对话行为分类器),一个简单而有效的上下文对话行为分类的深度学习方法。具体来说,我们使用迁移学习来调整在人机对话中训练的模型,以预测人机对话中的对话行为。为了研究我们方法的有效性,我们在著名的Switchboard人机对话数据集上训练我们的模型,并对其进行微调,以预测人机对话数据中的对话行为,这些数据是作为Amazon Alexa Prize 2018竞赛的一部分收集的。结果表明,CDAC模型在Switchboard数据集上的表现比话语级最先进的基线高出8.0%,并且与最新报道的最先进的上下文DA分类结果相当。此外,我们的研究结果表明,微调的CDAC模型的手动标记的人机对话的小样本,使CDAC更准确地预测对话行为在真实用户的对话,建议未来的改进方向。
2020-05-28 cs.CL
Automatic Recognition of the General-Purpose Communicative Functions defined by the ISO 24617-2 Standard for Dialog Act Annotation
INESC-ID Lisboa(里斯本信息与通信技术研究所);Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等技术学院);Instituto Universitário de Lisboa (ISCTE-IUL)(里斯本大学学院(ISCTE-IUL))
ISO 24617-2是对话行为注释的标准,定义了一组分层组织的通用通信功能。这些功能的自动识别,虽然实际上未被探索,是相关的对话系统,因为它们提供线索的意图背后的片段,以及它们应该如何被解释。我们探索DialogBank中通用交际功能的识别,DialogBank是根据该标准注释的参考对话框集。要做到这一点,我们提出了适应现有的方法,平面对话行为识别,使他们能够处理的层次分类问题。更具体地说,我们建议使用一个分层网络级联输出和最大后验路径估计预测的通信功能在每个层次结构的水平,保持路径中的功能之间的依赖关系,并决定在哪一级停止。此外,由于DialogBank中的对话框数量减少,我们依赖于迁移学习过程来减少过拟合并提高性能。我们的实验结果表明,分层的方法优于一个平面的,它的每个组件起着重要的作用,对通用的交际功能的识别。
2021-01-16 cs.CL
Mars: Modeling Context & State Representations with Contrastive Learning for End-to-End Task-Oriented Dialog
JD AI Research(京东人工智能研究院)
本文提出端到端任务型对话系统 Mars,通过两种对比学习策略建模对话上下文与信念/动作状态表示的关系,发现与语义状态差异更大的上下文表示更有利于多轮对话,并在 MultiWOZ 2.0、CamRest676 和 CrossWOZ 上取得最优性能。
2023-07-10 cs.CL
Speaker and Time-aware Joint Contextual Learning for Dialogue-act Classification in Counselling Conversations
BITS Pilani(比尔拉理工学院);Maharaja Agrasen Institute of Technology(马哈拉贾·阿格拉森理工学院);IIIT-Delhi(德里印度信息技术学院)
COVID-19疫情的爆发使人们的心理健康面临风险。在这种环境下,社会咨询具有非常重要的意义。与一般的目标导向型对话不同,患者和治疗师之间的对话是相当含蓄的,尽管对话的目标是非常明显的。在这种情况下,理解患者的意图对于在治疗过程中提供有效的咨询是必不可少的,这同样适用于对话系统。在这项工作中,我们在开发用于心理健康咨询的自动对话系统方面迈出了一小步,但这是重要的一步。我们开发了一个新的数据集,命名为希望,提供一个平台的对话行为分类在咨询会话。我们确定这样的对话的要求,并提出了12个特定领域的对话行为(DAC)标签。我们从YouTube上公开的咨询会议视频中收集了12.9K的话语,提取它们的成绩单,清理并用DAC标签注释它们。此外,我们提出了SPARTA,一个基于变压器的架构与一个新的扬声器和时间感知上下文学习的对话行为分类。我们的评估显示了令人信服的性能在几个基线,实现国家的最先进的希望。我们还补充我们的实验与广泛的实证和定性分析斯巴达。
2021-11-12 cs.CL
A Robust Text Processing Technique Applied to Lexical Error Recovery
本论文主要研究词法错误的自动恢复和错误文本的标记化。我们提出了一种技术,可以自动纠正拼写错误,分割错误和真正的字错误,在一个统一的框架,使用语言生产模型和打字行为模型,并使令牌化的恢复过程的一部分。打字过程被建模为噪声信道,其中隐马尔可夫模型被用于对信道特性进行建模。弱统计语言模型用于预测哪些句子可能通过通道传输。这些组件在令牌传递框架中保持在一起,该框架提供了正交模式匹配和语言期望之间的期望的紧密耦合。该系统,CTR(连接文本识别),已被测试两个语料库来自两个不同的应用程序,自然语言对话系统和转录打字的情况。实验表明,CTR可以在不引入太多噪声的情况下自动纠正测试集中相当一部分错误。分割错误纠正率几乎是完美的。
1997-02-05 cmp-lg cs.CL
"Think Before You Speak": Improving Multi-Action Dialog Policy by Planning Single-Action Dialogs
China Mobile Research(中国移动研究院)
多动作对话策略(MADP),它产生多个原子对话动作,已被广泛应用于面向任务的对话系统,以提供富有表现力的和有效的系统响应。现有的MADP模型通常从标记的多动作对话样本中模仿动作组合。由于数据的限制,它们对看不见的对话流的概括性很差。虽然交互式学习和强化学习算法可以应用于合并真实用户和用户模拟器的外部数据源,但它们需要大量的手动工作来构建并且具有不稳定性。为了解决这些问题,我们提出了规划增强对话策略(PEDP),一种新的多任务学习框架,学习单动作对话动态,以增强多动作预测。我们的PEDP方法采用基于模型的规划,通过模拟单动作对话框,在决定当前响应之前构思要表达的内容。在MultiWOZ数据集上的实验结果表明,我们基于完全监督学习的方法实现了90.6%的可靠任务成功率,与最先进的方法相比提高了3%。
2022-04-25 cs.AI cs.CL
ISO-Standard Domain-Independent Dialogue Act Tagging for Conversational Agents
University of Trento(特伦托大学)
对话行为(DA)标注对于口语语言理解系统是至关重要的,因为它提供了说话者意图的一般表示,而不受特定对话系统的约束。不幸的是,具有DA注释的公开可用数据集都基于不同的注释方案,因此彼此不兼容。此外,他们的方案往往没有涵盖开放领域人机交互所需的所有方面。在本文中,我们提出了一种方法来映射几个公开可用的语料库的ISO标准的一个子集,以创建一个大型的任务无关的训练语料库DA分类。我们展示了使用此语料库训练一个独立于域的DA标记测试它的域外的会话数据的可行性,并认为多个语料库的训练,以实现跨不同DA类别的鲁棒性的重要性。
2018-06-12 cs.CL
Co-GAT: A Co-Interactive Graph Attention Network for Joint Dialog Act Recognition and Sentiment Classification
Research Center for Social Computing and Information Retrieval, Harbin Institute of Technology(哈尔滨工业大学社会计算与信息检索研究中心)
在对话系统中,对话行为识别和情感分类是两个相互关联的任务,以捕捉说话人的意图,其中对话行为和情感可以分别表示显式和隐式意图。对话上下文信息(上下文信息)和相互交互信息是促成这两个相关任务的两个关键因素。不幸的是,现有的方法都没有同时考虑这两个重要的信息来源。在本文中,我们提出了一个共同互动的图形注意力网络(Co-GAT),共同执行这两个任务。核心模块是一个协同交互的图形交互层,在该交互层中,构建了跨话语连接和跨任务连接,并相互迭代更新,实现了同时考虑两种类型的信息。在两个公共数据集上的实验结果表明,该模型成功地捕获了两个信息源,并达到了最先进的性能。此外,我们发现,从上下文和相互作用的信息的贡献不完全重叠的上下文化的词表示(BERT,罗伯塔,XLNet)。
2020-12-24 cs.CL
Hierarchical Multi-Label Dialog Act Recognition on Spanish Data
INESC-ID Lisboa(里斯本信息与通信技术研究所);Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等技术学院);Instituto Universitário de Lisboa (ISCTE-IUL)(里斯本大学学院(ISCTE-IUL))
对话行为揭示了话语背后的意图。因此,它们的自动识别对于试图理解其会话伙伴的对话系统是重要的。本文提出的研究方法,在DIHANA语料库,其三个层次的对话行为注释方案提出的问题,还没有在最近的研究探讨的任务。除了层次问题之外,两个较低的层次构成多标签分类问题。此外,层次结构中的每一级都涉及到说话者在对话结构和任务方面的意图的不同方面。此外,由于它的对话是西班牙语的,它使我们能够评估英语数据的最先进方法是否适用于不同的语言。更具体地说,我们比较了不同的段表示方法的性能,专注于序列和模式的话,并评估的重要性的对话历史和层次结构的多个级别之间的关系。关于单标签分类问题所造成的最高水平,我们表明,英语数据得出的结论也持有西班牙语数据。此外,我们表明,该方法可以适应多标签的情况。最后,通过分层组合每个级别的最佳分类器,我们实现了该语料库的最佳结果。
2019-07-29 cs.CL
DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification
Harbin Institute of Technology(哈尔滨工业大学)
在对话系统中,对话行为识别和情感分类是两个相互关联的任务,以捕捉说话人的意图,其中对话行为和情感可以分别表示显式和隐式意图。大多数现有的系统要么将它们视为单独的任务,要么通过以隐式方式共享参数来联合建模这两个任务,而没有明确地建模相互的交互和关系。为了解决这个问题,我们提出了一个深度协同交互关系网络(DCR-Net),明确考虑交叉影响,并通过引入协同交互关系层来建模两个任务之间的交互。此外,所提出的关系层可以堆叠,以通过多个交互步骤逐渐捕获相互知识。特别是,我们深入研究了不同的关系层及其影响。在两个公开数据集(Mastodon和Dailydialog)上的实验结果表明,该模型在对话行为识别任务上的F1得分分别比最先进的联合模型高出4.3%和3.4%,在情感分类任务上的F1得分分别比联合模型高出5.7%和12.4%.综合分析实证验证了显式建模两个任务之间的关系和多步交互机制的有效性。最后,我们在我们的框架中使用了来自Transformer的双向编码器表示(BERT),这可以进一步提高我们在这两个任务中的性能。
2020-08-16 cs.CL
Contextual Topic Modeling For Dialog Systems
Amazon(亚马逊)
会话主题的准确预测可以是用于创建连贯和吸引人的对话系统的有价值的信号。在这项工作中,我们专注于上下文感知的主题分类方法,用于识别自由形式的人类聊天机器人对话中的主题。我们扩展了以前的工作,神经主题分类和无监督主题关键字检测,将会话上下文和对话行为功能。在注释数据上,我们表明,将上下文和对话行为导致主题分类准确率相对提高35%,主题经常跨越多个话语的会话交互的无监督关键字检测召回率提高11%。我们发现,主题深度等主题指标与连贯性和参与度等对话评价指标高度相关,这意味着会话主题模型可以预测用户满意度。我们检测对话主题和关键字的工作可以用来引导聊天机器人进行连贯的对话。
2018-10-19 cs.CL
Generative Dialog Policy for Task-oriented Dialog Systems
对于能够在诸如订票和餐厅预订的各种活动中帮助用户的面向任务的对话系统的需求日益增加。在面向任务的对话系统中,为了有效地完成对话,对话策略起着关键的作用。现有的面向任务的对话系统通过分类获取对话策略,既可以为一个对话行为分配一个对话行为及其相应的参数,也可以为多个对话行为分配多个对话行为而不分配相应的参数。事实上,一个好的对话政策应该同时构建多种对话行为及其相应的参数。然而,现有的基于分类的方法很难实现这一目标。因此,为了解决上述问题,我们提出了一种新的生成式对话策略学习方法。该方法利用注意力机制寻找给定对话上下文和输入话语的相关片段,然后通过seq2seq方式构造面向任务的对话系统的对话策略。在两个基准数据集上的大量实验表明,该模型的性能显着优于最先进的基线。此外,我们还公开发布了我们的代码。
2019-09-17 cs.AI cs.CL
Zero-Shot Dialog Generation with Cross-Domain Latent Actions
Language Technologies Institute(语言技术研究所);Carnegie Mellon University(卡内基梅隆大学);Pittsburgh, Pennsylvania, USA(美国宾夕法尼亚州匹兹堡)
本文介绍了zero-shot对话生成(ZSDG),作为神经对话系统的一步,可以立即推广到新的情况下,最少的数据。ZSDG使得端到端生成对话系统能够推广到仅提供域描述并且没有训练对话可用的新域。然后提出了一种新的学习框架--动作匹配。该算法可以学习一个跨域嵌入空间,该空间对对话响应的语义进行建模,从而使神经对话生成模型推广到新的领域。我们评估我们的方法在一个新的合成对话数据集,和现有的人-人对话数据集。结果表明,我们的方法在学习对话模型,快速适应他们的行为,以新的领域,并建议有前途的未来研究具有优越的性能。
2018-05-13 cs.AI cs.CL
Task-Oriented Dialog Systems that Consider Multiple Appropriate Responses under the Same Context
Tsinghua University(清华大学);University of California, Davis(加州大学戴维斯分校)
对话具有内在的一对多属性,这意味着多个响应可以适用于同一对话上下文。在面向任务的对话框中,此属性会导致任务完成的有效对话框策略不同。然而,现有的面向任务的对话框生成方法都没有考虑到这个属性。我们提出了一个多动作数据增强(MADA)框架,利用一对多的属性,以产生不同的适当的对话响应。具体来说,我们首先使用对话框状态来总结对话框历史,然后发现每个对话框状态到其不同有效系统操作的所有可能映射。在对话系统训练期间,我们使当前对话状态能够映射到在先前过程中发现的所有有效系统操作,以创建额外的状态-操作对。通过合并这些额外的对,对话策略学习平衡的动作分布,这进一步指导对话模型生成不同的响应。实验结果表明,该框架不断提高对话策略的多样性,提高响应的多样性和适当性。我们的模型在MultiWOZ上获得了最先进的结果。
2019-12-02 cs.AI cs.CL
EDA: Enriching Emotional Dialogue Acts using an Ensemble of Neural Annotators
University of Hamburg(汉堡大学)
情感和对话行为的识别丰富了会话分析,有助于构建自然的对话系统。情感解读使我们理解情感,而对话行为则反映话语的意图和施为功能。然而,大多数文本和多模态会话情感语料库只包含情感标签,而不包含对话行为。为了解决这个问题,我们建议使用一个在对话行为语料库上训练的各种递归神经模型的池,有上下文和没有上下文。这些神经模型用对话行为标签标注情感语料库,并且集成标注器提取最终的对话行为标签。我们标注了两个可访问的多模态情感语料库:IEMOCAP和MELD。我们分析了情感和对话行为标签的共现,发现了特定的关系。例如,接受/同意对话行为经常伴随着喜悦的情绪、悲伤的道歉和喜悦的感谢发生。我们将情感对话行为(EDA)语料库公开提供给研究界进行进一步的研究和分析。
2020-03-16 cs.AI cs.CL cs.RO
Towards Universal Dialogue Act Tagging for Task-Oriented Dialogues
Amazon(亚马逊)
用于构建面向任务的对话系统的机器学习方法需要带有标签的大型会话数据集来进行训练。我们对从人与人的对话中构建面向任务的对话系统感兴趣,这些对话可能在现有的客户服务中心日志中大量可用,或者可以从人群工作人员那里收集。注释这些数据集可能非常昂贵。最近发布了多个带注释的面向任务的人机对话数据集,但是它们的注释模式在不同的集合中有所不同,即使是对于定义良好的类别,如对话行为(DA)。我们提出了一个通用的DA模式面向任务的对话,并调整现有的注释数据集与我们的模式。我们的目标是训练一个通用DA标记器(U-DAT)的任务导向的对话,并使用它来标记人与人的对话。我们调查了多个数据集,提出了手动和自动化的方法来调整不同的模式,并在人与人对话的目标语料库上呈现结果。在无监督学习实验中,我们在人与人对话中的系统回合上获得了54.1%的F1分数。在半监督设置中,F1分数增加到57.7%,否则需要至少1.7K手动注释转弯。对于新的域,我们展示了进一步的改进,当未标记或标记的目标域数据可用。
2019-07-05 cs.AI cs.CL
Policy-Driven Neural Response Generation for Knowledge-Grounded Dialogue Systems
Amazon Alexa AI(亚马逊 Alexa 人工智能)
开放域对话系统旨在产生相关、信息丰富和吸引人的回应。Seq2seq神经响应生成方法没有明确的机制来控制所生成的响应的内容或风格,并且经常导致无信息的话语。在本文中,我们提出了使用对话策略计划的内容和风格的目标响应的形式的行动计划,其中包括相关的对话上下文,有针对性的对话行为,主题信息等知识句的行动计划内的属性自动注释公开发布的主题聊天数据集。我们的条件神经反应发生器上的行动计划,然后实现为目标的话语在回合和句子水平。我们还研究了不同的对话政策模型,以预测给定对话背景下的行动计划。通过自动化和人工评估,我们测量生成的响应的适当性,并检查生成模型是否确实学会实现给定的行动计划。我们证明,一个基本的对话政策,在句子层面上产生更好的反应,在比较转向水平生成以及基线模型,没有行动计划。此外,基本对话政策还具有可控性的附加效果。
2020-08-24 cs.AI cs.CL
Rethinking Action Spaces for Reinforcement Learning in End-to-end Dialog Agents with Latent Variable Models
Carnegie Mellon University(卡内基梅隆大学);Shanghai Jiao Tong University(上海交通大学)
定义会话代理的动作空间并使用强化学习优化其决策过程是一个持久的挑战。通常的做法是使用手工制作的对话行为或输出词汇表,例如在神经编码器解码器中,作为动作空间。两者都有各自的局限性。本文提出了一种新的潜在的行动框架,把一个端到端的对话代理的行动空间作为潜在的变量,并开发无监督的方法,以诱导自己的行动空间的数据。全面的实验进行检查连续和离散的行动类型和两种不同的优化方法的基础上随机变分推理。结果表明,所提出的潜在行动实现了优越的经验性能的改善,比以前的字级策略梯度方法的DealOrNoDeal和MultiWoz对话。我们的详细分析也提供了关于各种潜在变量的策略学习方法的见解,可以作为在未来的研究中开发更好的潜在行动的基础。
2019-04-15 cs.AI cs.CL
Dialog Policy Learning for Joint Clarification and Active Learning Queries
University of Texas at Austin(德克萨斯大学奥斯汀分校)
智能系统需要能够从错误中恢复过来,解决不确定性,并适应训练过程中看不到的新概念。对话交互可以通过使用用于校正和解决不确定性的澄清以及用于学习在操作期间遇到的新概念的主动学习查询来实现这一点。先前关于对话系统的工作集中于专门学习如何执行澄清/信息寻求,或者集中于执行主动学习。在这项工作中,我们训练一个层次的对话策略,共同执行澄清和主动学习的背景下,基于交互式语言的图像检索任务的动机,由网上购物应用程序,并证明,共同学习对话策略澄清和主动学习是更有效的比使用静态对话策略的一个或两个这些功能。
2020-12-14 cs.CL cs.CV cs.LG
Meta Dialogue Policy Learning
School of Informatics(信息学院);University of Edinburgh(爱丁堡大学);Microsoft Cognitive Services Research(微软认知服务研究院);Microsoft Research(微软研究院)
对话策略决定了代理的下一步动作,因此是对话系统的核心。然而,当迁移到具有少量数据的新域时,策略模型可能由于与新环境的交互不足而无法适应。我们提出了深度可转移Q网络(DTQN),以利用域之间的共享低级信号,如对话行为和插槽。我们将状态和动作表示空间分解为与这些低层组件相对应的特征子空间,以促进跨领域的知识转移。此外,我们将DTQN嵌入到元学习框架中,并引入具有双重重放机制的Meta-DTQN,以实现有效的离线训练和自适应。在实验中,我们的模型在多域对话数据集MultiWOZ 2.0上的成功率和对话效率方面优于基线模型。
2020-06-03 cs.CL cs.LG
Actionable Conversational Quality Indicators for Improving Task-Oriented Dialog Systems
LivePerson Inc.(LivePerson公司)
本文提出可操作会话质量指标(ACQIs),用于识别和推荐任务型对话系统的改进点,并在商业及公开数据集上验证,预测模型达79%加权F1,可减少81%的改进行动范围。
2021-09-22 cs.AI cs.CL
Generating Emotionally Aligned Responses in Dialogues using Affect Control Theory
Vector Institute for AI(Vector人工智能研究所)
最先进的神经对话系统擅长于语言的句法和语义建模,但在对话期间通常很难与人类互动者建立情感一致。在这项工作中,我们把情感控制理论(ACT),一个社会数学模型的情感,人与人之间的互动,神经对话生成设置。ACT预测人类在社交场合对情绪刺激的反应。由于这一特性,ACT及其衍生的概率模型已经成功地部署在人机交互的几个应用中,包括移情辅导系统,辅助医疗设备和两人社交困境游戏。我们研究如何ACT可以被用来开发影响意识的神经会话代理,产生情绪一致的反应提示,并考虑到互动的情感身份。
2020-04-16 cs.AI cs.CL cs.HC
Imperfect also Deserves Reward: Multi-Level and Sequential Reward Modeling for Better Dialog Management
Tencent Jarvis Lab(腾讯Jarvis实验室);RALI & Mila, Université de Montréal(蒙特利尔大学RALI实验室与Mila研究所);Sun Yat-sen University(中山大学)
在面向任务的对话系统中,训练基于强化学习(RL)的对话管理模块存在样本效率低和收敛速度慢的问题,针对这一问题,人们提出了多种策略在训练RL时给予适当的奖励,但这些奖励缺乏可解释性,无法准确估计真实对话中状态-动作对的分布。在本文中,我们提出了一个多层次的奖励建模方法,将奖励分解为三个层次:域,行为和插槽。基于反向对抗强化学习,我们设计的奖励模型能够为状态-动作对提供更准确、更可解释的奖励信号,大量的测试表明,我们的方法可以应用于广泛的基于强化学习的对话系统,并显著提高了性能和收敛速度.
2021-04-10 cs.AI cs.CL cs.LG
Cocktail-Talker: Multi-Speaker Dialog Modeling in Noisy Social Environments with Turn Action GRPO
本文提出Cocktail-Talker框架,结合Turn Action GRPO,通过动作令牌建模助手行为,利用Cocktail-DialogGen生成数据,实现嘈杂社交环境下的多说话人口语对话建模,推动更自然的对话系统发展。
2026-07-31 cs.CL cs.MM cs.SD
Deep Dialog Act Recognition using Multiple Token, Segment, and Context Information Representations
INESC-ID(INESC-ID(里斯本高等工程系统与计算机研究所));Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等技术学院);Instituto Universitário de Lisboa (ISCTE-IUL)(里斯本大学学院(ISCTE-IUL))
对话行为(DA)识别是多年来被广泛探索的任务。最近,大多数任务的方法探索了不同的DNN架构,以组合片段中单词的表示,并生成提供意图提示的片段表示。在这项研究中,我们探索的手段,以产生更多的信息段表示,不仅通过探索不同的网络架构,但也考虑到不同的令牌表示,不仅在字的水平,但也在字符和功能水平。在词的层面上,除了常用的uncontextualized嵌入,我们探讨了使用contextualized表示,提供有关词义和段结构的信息。词汇级标记化对于捕获无法在单词级捕获的与意图相关的形态方面很重要。最后,功能层提供了一个词的抽象,它将焦点转移到段的结构上。我们还探讨了方法,以丰富的段表示与上下文信息的历史对话,无论是在分类的周围段和话轮转换的历史。在以往的研究中,这类信息已经被证明对DA的消歧非常重要。然而,我们能够通过考虑对话历史的摘要和更广泛的话轮转换上下文来捕获额外的信息。通过在每个步骤中结合最佳方法,我们在SwDA和MRDA这两个最广泛探索的语料库上实现了超越先前最先进的通用DA识别的结果。此外,通过考虑过去和未来的背景下,模拟注释场景,我们的方法实现了类似的人类注释器在SwDA上的性能,并超过它在MRDA上。
2019-07-26 cs.CL
Dialogue Act Modeling for Automatic Tagging and Recognition of Conversational Speech
我们描述了一种用于对会话语音中的对话行为进行建模的统计方法,即,类似言语行为的单元,如陈述、问题、反向通道、同意、不同意和道歉。我们的模型检测和预测的基础上的词汇,搭配,韵律线索,以及对话行为序列的话语连贯性的对话行为。对话模型是基于治疗会话的话语结构作为一个隐藏的马尔可夫模型和个人的对话行为的观察,从模型的状态。通过对话行为n-gram对可能的对话行为序列进行约束建模,将统计对话语法与单词n-gram、决策树和神经网络相结合,对每个对话行为的特殊词汇和韵律表现进行建模。我们开发了一个概率集成的语音识别与对话建模,以提高语音识别和对话行为分类的准确性。使用来自自发的人对人电话语音的Switchboard语料库的1,155个会话的大型手动标记数据库来训练和评估模型。我们实现了良好的对话行为标记准确率(65%基于错误,自动识别的单词和韵律,71%基于单词成绩单,相比之下,机会基线准确率为35%,人类准确率为84%)和单词识别错误的小幅减少。
2000-10-26 cs.CL
FlowEval: A Consensus-Based Dialogue Evaluation Framework Using Segment Act Flows
The Chinese University of Hong Kong(香港中文大学);University of Virginia(弗吉尼亚大学);Tencent AI Lab(腾讯人工智能实验室);Shanghai AI Laboratory(上海人工智能实验室)
尽管最近在开放域对话评估方面取得了进展,但如何开发自动度量仍然是一个悬而未决的问题。我们探讨了潜在的对话评估功能的对话行为信息,这是很难明确地在以前的方法建模。然而,通常在话语级别定义,对话行为是粗粒度的,因为话语可以包含具有不同功能的多个片段。因此,我们提出了段行为,对话行为从话语级到段级的扩展,并众包了一个大规模的dataset为it.To利用段行为流,序列的段行为,进行评估,我们开发了第一个基于共识的对话评估框架,FlowEval。该框架通过查找伪引用为对话评估提供了一种无引用的方法。针对三个基准数据集的强基线进行的广泛实验证明了我们的FlowEval的有效性和其他理想特征,指出了更好对话评估的潜在路径。
2022-11-03 cs.CL
What Helps Transformers Recognize Conversational Structure? Importance of Context, Punctuation, and Labels in Dialog Act Recognition
Center of Language and Speech Processing(语言与语音处理中心);Human Language Technology Center of Excellence, Johns Hopkins University(约翰斯·霍普金斯大学人类语言技术卓越中心)
对话行为可以被解释为会话的原子单位,比话语更细粒度,具有特定的交际功能。将会话记录结构化为对话行为序列的能力--对话行为识别,包括分段--对于理解对话至关重要。我们将两个预训练的Transformer模型XLNet和Longformer应用于英语中的这项任务,并在Switchboard Dialog Act和Meeting Recorder Dialog Act语料库上取得了很好的结果,对话行为分割出错率(DSER)为8.4%和14.2%。为了了解影响对话行为识别的关键因素,我们对不同条件下训练的模型进行了比较分析。我们发现,包括一个更广泛的会话上下文有助于消除歧义许多对话行为类,特别是那些不常见的训练数据。转录本中标点符号的存在对模型的性能有很大的影响,详细的分析揭示了在没有标点符号的情况下观察到的特定分割模式。最后,我们发现标签集特异性不影响对话行为分割性能。这些发现对口语语言理解应用程序具有重要的实际意义,这些应用程序在很大程度上依赖于高质量的分割。
2021-07-05 cs.CL
Comparative analysis of subword tokenization approaches for Indian languages
Indian Institute of Technology (IIT), Varanasi(印度理工学院(IIT),瓦拉纳西)
本文比较了SentencePiece、BPE和WordPiece三种子词分词技术在统计、神经及多语言神经机器翻译模型中对印度语言的效果,发现SentencePiece在多数语言对中BLEU分数最优,而BPE在多语言模型中表现最佳,且印度语到英语的翻译优于反向。
2025-05-22 cs.CL
Mapping the Dialog Act Annotations of the LEGO Corpus into the Communicative Functions of ISO 24617-2
INESC-ID Lisboa(INESC-ID里斯本);Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高级技术学院);ISCTE-IUL – Instituto Universitário de Lisboa(ISCTE-IUL里斯本大学学院)
在本文中,我们提出了战略映射的乐高语料库的对话行为注释到ISO 24617-2标准的通信功能。使用这些策略,我们获得了额外的347个对话根据标准进行注释。这一点特别重要,因为由于标准的新近发布,这些条件下的现有数据量减少。此外,这些对话来自广泛探索的语料库,用于对话相关任务。然而,它的对话注释由于其高度的领域依赖性而被忽视,这使得它们在语料库的上下文之外没有用处。因此,通过我们的映射过程中,我们都获得了更多的数据注释根据最近的标准,并提供有用的对话行为注释的对话研究的背景下,广泛探索的语料库。
2016-12-05 cs.CL
A Context-Aware Hierarchical BERT Fusion Network for Multi-turn Dialog Act Detection
Georgia Institute of Technology(佐治亚理工学院)
交互式对话系统的成功通常与口语语言理解(SLU)任务的质量相关,该任务主要识别每轮中相应的对话行为和槽值。通过孤立地处理话语,大多数SLU系统经常忽略对话行为所期望的语义上下文。回合之间的动作依赖性是重要的,但对识别正确的语义表示至关重要。以前的作品与有限的上下文意识暴露了处理复杂性的不足,在多方位的用户意图,这是受自发变化,在回合转换。在这项工作中,我们提出了增强SLU在多轮对话,采用上下文感知的分层BERT融合网络(CaBERT-SLU),不仅辨别对话中的上下文信息,但也联合识别多个对话行为和插槽中的每个话语。实验结果表明,我们的方法达到了新的国家的最先进的(SOTA)性能在两个复杂的多轮对话数据集有相当大的改善相比,以前的方法,只考虑单话语的多个意图和插槽填充。
2021-09-03 cs.CL
Dialogue Act Segmentation for Vietnamese Human-Human Conversational Texts
Thainguyen University (TNU)(太原大学(TNU));University of Information and Communication Technology(信息与通信技术学院);Vietnam National University, Hanoi (VNU)(河内越南国家大学(VNU));University of Engineering and Technology(工程技术学院)
对话行为识别在会话理解中起着重要的作用。它已被广泛应用于对话系统、自动机器翻译、自动语音识别等领域,尤其适用于虚拟助手、聊天机器人等具有人机自然语言对话界面的系统。识别对话行为的第一步是识别话语中对话行为的边界。在本文中,我们专注于分割的话语根据对话行为的边界,即功能段识别,越南语的话语。我们仔细研究了两种方法中的功能段识别:(1)使用最大熵(ME)和条件随机场(CRF)的机器学习方法;(2)使用带有CRF层的双向长短期记忆(LSTM)的深度学习方法(Bi-LSTM-CRF)在两个不同的会话数据集上进行了测试:(1)Facebook消息(消息数据);(2)电话对话的转录(电话数据)。据我们所知,这是第一个将基于深度学习的方法应用于对话行为分割的工作。结果表明,与传统的机器学习方法相比,深度学习方法的性能明显更好。此外,这也是第一个研究解决越南语的对话行为和功能段识别。
2017-08-16 cs.CL
Lexico-acoustic Neural-based Models for Dialog Act Classification
University of Stuttgart(斯图加特大学)
最近的工作提出了在口语对话中的对话行为分类的神经模型。然而,他们没有探讨声学信息的作用和有用性。我们提出了一个神经模型,处理词汇和声学特征进行分类。我们在两个基准数据集上的结果表明,声学特征有助于提高整体精度。最后,更深入的分析表明,声学特征是有价值的三种情况下:当一个对话行为有足够的数据,当词汇信息是有限的,当强大的词汇线索不存在。
2018-03-02 cs.CL
Dialogue Act Sequence Labeling using Hierarchical encoder with CRF
IBM Research(IBM研究院)
对话行为识别关联对话行为(即,语义标签)到对话中的话语。将语义标签与话语相关联的问题可以被视为序列标签问题。在这项工作中,我们构建了一个分层递归神经网络,使用双向LSTM作为基本单元,条件随机场(CRF)作为顶层,将每个话语分类为其相应的对话行为。分层网络在多个级别学习表示,即,单词级、话语级和会话级。会话级表示被输入到CRF层,CRF层不仅考虑所有先前的话语,而且考虑它们的对话行为,从而对标签和话语之间的依赖性进行建模,这是自然对话的重要考虑因素。我们验证了我们的方法在两个不同的基准数据集,交换机和会议记录器对话行为,并显示性能的改善,在国家的最先进的方法,分别由$2.2\%$和$4.1\%$绝对点。值得注意的是,Switchboard数据集上的注释器间一致性是$84\%$,尽管在噪声数据上进行了训练,但我们的方法仍能够实现约$79\%$的准确性。
2017-09-14 cs.CL
Improving Dialogue Act Classification for Spontaneous Arabic Speech and Instant Messages at Utterance Level
Jazan University(吉赞大学);Cairo University(开罗大学);Institute of Statistical Studies and Research(统计研究与研究所)
对话行为的建模和自动检测是理解自发语音和即时消息的重要一步。然而,从表面话语中推断出对话行为是很困难的,因为它高度依赖于话语的语境和说话者的语言知识,特别是在阿拉伯语方言中。本文提出了一个统计对话分析模型,采用多类层次结构识别话语的对话行为。该模型可以自动获取概率语篇知识的对话语料库收集和注释的多体裁埃及呼叫中心。使用支持向量机分类器进行了大量的实验,以评估系统的性能。在平均F-测量分数为0.912的条件下获得的结果表明,所提出的方法适度提高了F-测量约20%。
2018-05-30 cs.CL
Dialogue Act Recognition via CRF-Attentive Structured Network
Zhejiang University(浙江大学)
对话行为识别(DAR)是对话理解中的一个具有挑战性的问题,其目的是为话语附加语义标签并表征说话人的意图。目前,许多现有的方法制定的DAR问题,从多分类到结构化预测,这遭受手工制作的功能扩展和细心的上下文结构依赖性。在本文中,我们考虑DAR的问题,从扩展更丰富的条件随机场(CRF)的结构依赖,而不放弃端到端的训练的观点。在话语建模中,我们结合了层次语义推理和记忆机制。然后,我们将结构化注意网络扩展到线性链条件随机场层,该层同时考虑了上下文话语和相应的对话行为。在两个主要的基准数据集Switchboard Dialogue Act(SWDA)和Meeting Recorder Dialogue Act(MRDA)数据集上进行的大量实验表明,该方法比其他最先进的解决方案具有更好的性能。值得注意的是,我们的方法几乎接近人类注释者在SWDA上的性能,差距在2%以内。
2017-11-15 cs.CL
JPS-daprinfo: A Dataset for Japanese Dialog Act Analysis and People-related Information Detection
Graduate School of Engineering Science, Osaka University(大阪大学工程科学研究生院);Advanced Telecommunications Research Institute International(国际电气通信基础技术研究所)
我们对一个用于文本分类的日语口语数据集(I-JAS)进行了标记工作,该数据集包含50个双向日语对话的访谈对话,讨论了参与者的过去、现在和未来。每段对话时长30分钟。从这个数据集中,我们选择了母语为日语的面试对话作为样本。给定数据集,我们用13个标签标注句子。标记工作由具有数据注释经验的母语为日语的人进行。注释样本的总量为20130。
2021-03-06 cs.CL
Neural-based Context Representation Learning for Dialog Act Classification
Institute for Natural Language Processing (IMS)(自然语言处理研究所);University of Stuttgart(斯图加特大学)
我们探讨了上下文表示学习方法在基于神经的模型的对话行为分类。我们提出并广泛比较了不同的方法,结合递归神经网络架构和注意力机制(AM)在不同的上下文水平。我们在两个基准数据集上的实验结果表明,与没有上下文信息的模型相比,我们的实验结果显示出一致的改进,并揭示了架构中最合适的AM取决于数据集的性质。
2017-08-08 cs.CL
Multi-level Gated Recurrent Neural Network for Dialog Act Classification
Peking University(北京大学)
在本文中,我们专注于对话行为(DA)标记的问题。这个问题最近吸引了很多关注,因为它是当前需求量很大的自动问答系统的重要子部分。传统的方法倾向于将这个问题视为序列标记任务,并通过应用具有丰富特征的分类器来处理它。目前大多数神经网络模型仍然忽略了会话中的序列信息。然而,我们采用了一种新的多级门控循环神经网络(GRNN)与非文本信息预测DA标签。我们的模型不仅利用文本信息,但也利用非文本和上下文信息。相比之下,我们的模型已经显示出显着的改善超过6%的开关板对话法(SWDA)任务比以前的作品。
2019-10-04 cs.CL
Modelling Users, Intentions, and Structure in Spoken Dialog
我们概述了如何在对话中的话语可以解释使用部分一阶逻辑。我们利用这种逻辑的能力来谈论公式的真理状态,以定义话语之间的连贯性的概念,并解释这种连贯性关系如何可以用于构建与/或树,表示对话的分割。在一个BDI模型中,我们正式的对话和合作行为的参与者的基本假设。这些假设为从话语和对话参与者态度之间的连贯关系推断言语行为提供了基础。言语行为被证明是有用的,用于确定对话片段定义的概念上完成对话参与者的期望。最后,我们勾勒出如何明确的分割暗示短语和施为性是由我们的对话模型。
1998-09-17 cs.CL
Multi-task dialog act and sentiment recognition on Mastodon
Université de Lorraine(洛林大学);CNRS(法国国家科学研究中心);LORIA(洛林计算机科学及其应用实验室)
由于许可证的限制,在语料库创建几个月后,通常不可能在Twitter数据上严格复制大多数研究结果。随着时间的推移,这种情况逐渐恶化,推特变得无法访问。这是对社交媒体进行可复制和负责任研究的关键问题。我们部分地解决了这个挑战,通过注释一个新的Twitter样的语料库,从一个替代的大型社交媒体与许可证,是可重复的实验兼容:乳齿象。我们手动注释这个语料库上的对话和情感,并训练一个多任务的层次递归网络的联合情感和对话行为识别。我们的实验表明,迁移学习可以有效地实现这两个任务之间,并进一步分析情感和社交媒体上的对话之间的一些特定的相关性。注释语料库和深度网络都是以开源许可证发布的。
2018-07-13 cs.CL
CharBench: Evaluating the Role of Tokenization in Character-Level Tasks
CharBench通过大规模字符级任务评估,揭示了分词对字符级任务性能的影响,发现tokenization与正确性弱相关,而词长和字符数更关键,且长token会掩盖字符位置信息。
2026-04-06 cs.CL
Dialog Acts for Task-Driven Embodied Agents
Amazon Alexa AI(亚马逊Alexa人工智能)
具身智能体需要能够以自然语言进行交互,理解任务描述,并询问适当的后续问题,以获得必要的信息,从而有效地为广泛的用户成功完成任务。在这项工作中,我们提出了一套对话行为建模这样的对话和注释的TEACh数据集,其中包括超过3,000个位于,面向任务的对话(包括39.5k话语)与对话行为。TEACh-DA是第一个大规模的对话行为注释数据集,用于实现任务完成。此外,我们演示了使用这个注释数据集在训练模型中标记给定话语的对话行为,预测给定对话历史的下一个响应的对话行为,并使用对话行为来指导代理的非对话行为。特别是,我们的实验TEACh执行从对话的历史任务,该模型预测的低级别的行动序列中执行的环境中体现的任务完成,表明对话行为可以提高最终任务的成功率高达2点相比,系统没有对话行为。
2022-09-26 cs.CL cs.CV
A Bi-directional Multi-hop Inference Model for Joint Dialog Sentiment Classification and Act Recognition
Wuhan University(武汉大学)
针对联合DSC与DAR任务中单向上下文编码及标签关联利用不足的问题,本文提出BMIM,通过双向多跳推理、对比学习和对偶学习提升性能与可解释性。
2023-08-12 cs.CL
Tokenization Impacts Multilingual Language Modeling: Assessing Vocabulary Allocation and Overlap Across Languages
Institute of Formal and Applied Linguistics(形式与应用语言学研究所);Faculty of Mathematics and Physics(数学与物理学院);Charles University(查理大学)
本文通过提出评估子词分词器词汇表示与重叠的新准则,揭示词汇重叠对不同下游任务利弊不一,并为多语言模型预训练前的分词器选择提供指导。
2023-05-26 cs.CL
The Influence of Context on Dialogue Act Recognition
INESC-ID Lisboa(INESC-ID 里斯本);Instituto Superior Técnico, Universidade de Lisboa(里斯本大学高等理工学院);Instituto Universitário de Lisboa (ISCTE-IUL)(里斯本大学学院)
本文分析了语境信息对对话行为识别的影响。我们进行了实验,广泛探索的交换机语料库,以及根据最近的ISO 24617-2标准注释的数据。后者是从蒂尔堡对话库,并通过映射的一个子集的让我们去语料库的注释。我们使用了一种基于支持向量机的分类方法,这种方法在以前的工作中被证明是成功的,并允许我们限制提供的上下文信息的数量。通过这种方式,我们能够观察到随着上下文信息量的增加而产生的影响模式。我们的基本特征包括n-grams、标点符号和wh-words。上下文信息是从一个到五个先前的片段中获得的,并作为n元语法或对话行为分类提供,后者通常会产生更好的结果和更稳定的影响模式。除了关于上下文信息的重要性和影响的结论之外,我们在Switchboard语料库上的实验还导致了在该语料库上进行对话行为识别任务的最新结果。此外,根据ISO 24617-2标准标注的数据所获得的结果为今后的工作确定了基线,并有助于该领域实验的标准化。
2017-01-09 cs.CL
DARER: Dual-task Temporal Relational Recurrent Reasoning Network for Joint Dialog Sentiment Classification and Act Recognition
University of Technology Sydney(悉尼科技大学);Australian Artificial Intelligence Institute(澳大利亚人工智能研究所);Centre for Frontier Artificial Intelligence Research(前沿人工智能研究中心)
联合对话情感分类(DSC)和行为识别(DAR)的任务旨在同时预测对话中每个话语的情感标签和行为标签。在本文中,我们提出了一个新的框架,通过集成\textit{prediction-level interactions}而不是语义级的相互作用,更符合人类的直觉模型的显式依赖。此外,我们提出了一个说话人感知时序图(SATG)和双任务关系时序图(DRTG),将\textit{temporal relations}引入对话理解和双任务推理。为了实现我们的框架,我们提出了一种新的模型称为DARER,它首先产生的上下文,扬声器和时间敏感的话语表示通过建模SATG,然后进行循环的双任务关系推理DRTG,在这个过程中,估计的标签分布作为关键线索,在预测级的互动。实验结果表明,DARER模型在计算资源和训练时间上都大大优于现有模型。值得注意的是,在Mastodon的DSC任务中,DARER在F1方面比以前的最佳模型相对提高了约25%,参数不到50%,仅需约60%的GPU内存。
2022-03-08 cs.CL
Context-aware Neural-based Dialog Act Classification on Automatically Generated Transcriptions
Institute for Natural Language Processing (IMS), University of Stuttgart(斯图加特大学自然语言处理研究所(IMS))
本文介绍了我们的最新研究的对话行为(DA)分类自动生成的transmittance。我们提出了一种新的方法,结合卷积神经网络(CNN)和条件随机场(CRF)的上下文建模DA分类。我们探讨了从不同的自动语音识别系统,如混合TDNN/HMM和端到端系统的最终性能产生的transmittance的影响。在两个基准数据集(MRDA和SwDA)上的实验结果表明,CNN和CRF的组合一致地提高了准确率。此外,他们表明,虽然单词出错率是可比的,端到端ASR系统似乎更适合DA分类。
2019-02-28 cs.CL
Cross-lingual Approaches for Task-specific Dialogue Act Recognition
University of West Bohemia(西波希米亚大学);Université de Lorraine(洛林大学)
在本文中,我们利用跨语言模型,使对话行为识别特定的任务与少量的注释。我们设计了一种迁移学习方法用于对话行为识别,并在两种不同的目标语言和领域上进行了验证。我们用CNN和多头自注意模型计算对话轮嵌入,并表明通过结合所有传输信息源获得最佳结果。我们进一步证明,所提出的方法显着优于相关的跨语言DA识别方法。
2021-04-21 cs.CL cs.LG
A Context-based Approach for Dialogue Act Recognition using Simple Recurrent Neural Networks
University of Hamburg(汉堡大学)
对话行为识别是自然语言理解的重要组成部分。我们调查的方式对话行为语料库的注释和学习方法使用到目前为止。我们发现,对话行为是上下文敏感的会话中的大多数类。然而,以前的对话行为分类模型在话语层面上工作,只有很少的考虑上下文。我们提出了一种新的基于上下文的学习方法来分类对话行为使用字符级语言模型话语表示,我们注意到显着的改善。我们评估这种方法上的交换机对话行为语料库,我们的结果表明,考虑到前面的话语作为当前话语的上下文提高了对话行为检测。
2018-05-16 cs.AI cs.CL cs.HC
A Universality-Individuality Integration Model for Dialog Act Classification
North China Electric Power University(华北电力大学)
对话行为揭示了会话中说话人话语的总体意图。准确地预测DA可以极大地促进对话代理的开发。虽然研究者们对会话行为分类做了大量的研究,但是分类的特征信息并没有得到充分的考虑。本文认为,词线索、词性线索和统计线索可以相互补充,以提高识别的基础。此外,三者的不同类型导致其分布形式的多样性,阻碍了特征信息的挖掘。为了解决这个问题,我们提出了一种新的模型,基于共性和个性的策略,称为普遍性-个性集成模型(UIIM)。UIIM不仅通过学习普遍性加深线索之间的联系,而且还利用个性的学习来捕捉线索本身的特征。在SwDA和MRDA两个常用的对话行为分类基准数据集上进行实验,结果表明,提取线索之间的共性和个性特征,可以更充分地挖掘话语中隐藏的信息,提高对话行为自动识别的准确率。
2022-04-13 cs.AI cs.CL
Dialog act guided contextual adapter for personalized speech recognition
Alexa, Amazon(亚马逊Alexa)
提出对话行为引导的上下文适配器网络,利用对话行为选择用户目录并结合音频与语义关系创建查询,在工业语音助手数据集上相较无上下文模型实现58%的平均相对词错误率降低,显著优于现有方法。
2023-03-31 cs.CL cs.SD eess.AS