低资源语音对话系统中的意图识别与无监督槽位识别
计算与语言
2021-09-29 v3
摘要
意图识别与槽位识别是口语语言理解（SLU）系统中的关键组件。本文针对低资源且无文字语言背景下的这两项任务，提出一种新方法。我们提出一种基于声学的SLU系统，其使用通用音素识别系统将语音转换为音素转写。我们构建了一个无词的自然语言理解模块，从这些音素转写中进行意图识别与槽位识别。所提SLU系统在资源丰富的场景下表现具竞争力，并随着可用数据量的减少显著优于已有方法。我们观察到泰米尔语意图分类提升超过10%，僧伽罗语意图分类提升超过5%。我们还提出一种基于归一化注意力分数的无监督槽位识别新方法。该方法可用于无监督槽位标注、数据增强，并以仅一条语音录音的一次性方式为新槽位生成数据。
引用
@article{arxiv.2104.01287,
title = {Intent Recognition and Unsupervised Slot Identification for Low Resourced Spoken Dialog Systems},
author = {Akshat Gupta and Olivia Deng and Akruti Kushwaha and Saloni Mittal and William Zeng and Sai Krishna Rallabandi and Alan W Black},
journal= {arXiv preprint arXiv:2104.01287},
year = {2021}
}