面向对话错误恢复的对话策略学习中错误模拟技术研究

训练基于语音的虚拟助手的对话策略需要大量对话数据。由于涉及人工参与，数据收集阶段往往昂贵且耗时。为解决此问题，一种常见的方案是构建用户模拟器以生成数据。为使训练得到的策略能成功部署到真实领域，用户模拟器模拟真实条件至关重要。特别地，基于语音的助手深受自动语音识别与语言理解错误的影响，因此用户模拟器应能够模拟类似错误。本文回顾了现有的在音频、音素、文本或语义层面引入错误的错误模拟方法，并对音频级与文本级方法进行了详细比较。在此过程中，我们通过引入置信度分数预测与集外词映射改进了现有的文本级方法。我们还探讨了音频级与文本级方法对学习简单澄清对话策略以从错误中恢复的影响，从而为两种方法的未来改进提供见解。