语音助手中的意图排序学习
机器学习
2020-05-05 v2 计算与语言
信息检索
摘要
语音助手旨在从其自动语音识别与自然语言理解子系统生成的多个选项中选择最佳意图，以满足用户请求。然而，语音助手并非总能产生预期结果。这可能是因为语音助手从模糊意图中选择——用户特定或领域特定的上下文信息降低了用户请求的模糊性。此外，可利用用户信息状态来理解某一意图对用户请求的相关性或可执行性。本工作中，我们提出一种用于意图排序任务的基于能量的新颖模型，其中我们学习一种亲和度度量，并对从语音话语中提取的语义与意图的相关性/可执行性方面之间的权衡进行建模。此外，我们提出一种基于多源去噪自编码器的预训练，能够学习来自多源数据的融合表示。我们通过实验表明，我们的方法将错误率降低 3.8%，优于现有 SOTA 方法，进而减少模糊性并消除不期望的死胡同，带来更好的用户体验。最后，我们在意图排序任务上评估算法的鲁棒性，表明我们的算法将鲁棒性提升了 33.3%。
引用
@article{arxiv.2005.00119,
title = {Learning to Rank Intents in Voice Assistants},
author = {Raviteja Anantha and Srinivas Chappidi and William Dawoodi},
journal= {arXiv preprint arXiv:2005.00119},
year = {2020}
}
备注
11 pages, 7 figures, 2 tables, accepted at IWSDS 2020 conference