利用语义网搜索与浏览会话实现多轮口语对话系统
计算与语言
2016-06-28 v1
摘要
训练口语对话系统（SDS）中的统计对话模型需要大量标注数据。缺乏可扩展的数据挖掘与标注方法，对当前最先进的统计对话管理器构成了重大障碍。本文提出一种直接利用数十亿网络搜索与浏览会话来克服这一障碍的方法。其核心洞察在于：通过网络搜索与浏览会话完成任务的过程（a）是可预测的，且（b）可推广至口语对话任务完成。新方法自动从网络日志中挖掘行为搜索与浏览模式，并将其转化为口语对话模型。我们在自然发生的口语对话和大规模网络日志上进行了实验。在SDS的实体抽取任务上，我们基于会话的模型优于当前最先进的方法。与有意义的基线相比，我们在网络搜索查询的实体与关系抽取上也取得了更好的性能。
引用
@article{arxiv.1606.07967,
title = {Leveraging Semantic Web Search and Browse Sessions for Multi-Turn Spoken Dialog Systems},
author = {Lu Wang and Larry Heck and Dilek Hakkani-Tur},
journal= {arXiv preprint arXiv:1606.07967},
year = {2016}
}
备注
ICASSP 2014