对话行为建模用于自动标记与识别对话语音

我们描述了一种用于建模对话语音中对话行为（即类似语音行为的单元，如陈述、问题、背后反馈、同意、不同意和道歉）的统计方法。我们的模型基于词汇、词组和韵律线索，以及对话行为序列的语篇连贯性进行检测和预测。该对话模型将对话的语篇结构视为隐藏马尔可夫模型，而 individual 对话行为则被视为从模型状态发出的观察值。通过对话行为 n 元模型对可能的对话行为序列约束建模。该统计对话语法结合了词 n 元模型、决策树和神经网络，以建模每种对话行为的独特词汇和韵律表现形式。我们发展了一种将语音识别与对话建模相结合的概率方法，以提高语音识别和对话行为分类的准确度。模型使用标注了的 Switchboard 语料库中 1155 场对话进行训练和评估。我们取得了良好的对话行为标记准确率（基于自动识别的错误词和韵律的 65%，基于词汇转录的 71%），相较于随机基准准确率 35% 和人类准确率 84%。