面向口语理解的说话人角色与上下文动态时间感知注意力
计算与语言
2017-12-12 v2
摘要
口语理解（SLU）是对话系统中的一个基本组件。大多数 SLU 组件独立处理每个话语，然后后续组件在单独的阶段中聚合多轮信息。为了避免误差传播并有效利用上下文，先前的工作利用历史信息进行上下文 SLU。然而，先前的模型只关注历史话语中的内容，而没有考虑它们的时间信息和说话人角色。在对话中，最近的话语应该比更早的话语更重要。此外，用户通常关注 1）用于推理的自我历史和 2）用于倾听的他人话语，话语的说话人可能会提供有用的线索来帮助理解。因此，本文提出了一种基于注意力的网络，额外利用时间信息和说话人角色以实现更好的 SLU，其中对上下文和说话人角色的注意力可以以端到端的方式自动学习。在基准 Dialogue State Tracking Challenge 4 (DSTC4) 数据集上的实验表明，时间感知的动态角色注意力网络显著提高了理解性能。
引用
@article{arxiv.1710.00165,
title = {Dynamic Time-Aware Attention to Speaker Roles and Contexts for Spoken Language Understanding},
author = {Po-Chun Chen and Ta-Chung Chi and Shang-Yu Su and Yun-Nung Chen},
journal= {arXiv preprint arXiv:1710.00165},
year = {2017}
}
备注
Accepted by ASRU 2017. arXiv admin note: text overlap with arXiv:1710.00164