利用循环神经网络编码词混淆网络用于对话状态跟踪
计算与语言
2017-08-10 v2
摘要
本文提出一种利用循环神经网络编码词混淆网络的新方法，词混淆网络可表示自动语音识别系统丰富的假设空间。我们展示了该方法在依赖自动语音识别输出的口语对话系统对话状态跟踪任务中的效用。在著名的第二届对话状态跟踪挑战数据集上，在用于对话状态跟踪的神经系统中，编码混淆网络优于编码自动语音识别的最佳假设。
引用
@article{arxiv.1707.05853,
title = {Encoding Word Confusion Networks with Recurrent Neural Networks for Dialog State Tracking},
author = {Glorianna Jagfeld and Ngoc Thang Vu},
journal= {arXiv preprint arXiv:1707.05853},
year = {2017}
}
备注
Speech-Centric Natural Language Processing Workshop @EMNLP 2017