通过口语问答中的语义重构回答未回答问题
计算与语言
2023-06-06 v2 人工智能
摘要
口语问答（QA）是语音助手的一项关键功能，通常由多个QA系统支撑。用户通过自发语音提问，其中可能包含不流畅、错误以及非正式句法或措辞。这是QA中的主要挑战，导致未回答问题或不相关答案，并造成糟糕的用户体验。我们分析失败的QA请求以识别核心挑战：词汇鸿沟、命题类型、复杂句法结构以及高特异性。我们提出一种语义问题重构（SURF）模型，提供三种基于语言学的操作（修复、句法重塑、泛化）来重写问题以促进回答。在来自领先语音助手的100万条未回答问题上的离线评估显示，SURF显著提升了回答率：此前未回答的问题中多达24%获得了相关答案（75%）。线上部署显示其对数百万有未回答问题的客户产生积极影响；显式相关性反馈表明用户满意度高。
引用
@article{arxiv.2305.17393,
title = {Answering Unanswered Questions through Semantic Reformulations in Spoken QA},
author = {Pedro Faustini and Zhiyu Chen and Besnik Fetahu and Oleg Rokhlenko and Shervin Malmasi},
journal= {arXiv preprint arXiv:2305.17393},
year = {2023}
}
备注
ACL 2023 Industry Track