口语理解系统中假设拒绝模块的设计考量
计算与语言
2022-11-18 v1 机器学习
声音
音频与语音处理
摘要
口语理解（SLU）系统通常由一组协同工作的机器学习模型组成，以产生 SLU 假设。生成的假设随后被发送至下游组件以采取进一步动作。然而，在将错误假设发送下游之前将其丢弃是值得追求的。本工作中，我们提出两种 SLU 假设拒绝模块设计：（i）方案 R1 对特定领域的 SLU 假设执行拒绝，以及（ii）方案 R2 对整体 SLU 系统生成的假设执行拒绝。两种方案中的假设拒绝模块均基于从指向 SLU 系统的话语、相关 SLU 假设及 SLU 置信度得分中提取的特征来拒绝/接受假设。我们的实验表明两种方案结果相近（方案 R1：在 4.5% FAR 下 2.5% FRR，方案 R2：在 4.6% FAR 下 2.5% FRR），最佳性能系统使用了所有可用特征。我们认为，尽管两种拒绝方案可任选其一，但它们具有一些固有差异，在作此选择时需加以考虑。此外，我们将 ASR 特征纳入拒绝模块（在 3.8% FAR 下获得 1.9% FRR）并分析其改进。
引用
@article{arxiv.2211.09711,
title = {Design Considerations For Hypothesis Rejection Modules In Spoken Language Understanding Systems},
author = {Aman Alok and Rahul Gupta and Shankar Ananthakrishnan},
journal= {arXiv preprint arXiv:2211.09711},
year = {2022}
}
备注
5 pages. ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)