利用序列到序列模型减轻语音识别错误对聊天机器人的影响

我们应用序列到序列模型来减轻语音识别错误对开放域端到端对话生成的影响。我们将该任务视为一个领域自适应问题，其中ASR转写文本与原始文本处于两个不同领域。在本文中，我们提出的模型为每个领域数据包含两个不同的编码器，并使其隐藏状态相似，以确保解码器预测相同的对话文本。该方法表明序列到序列模型能够学习具有相同的含义的ASR转写文本与原始文本对，并消除语音识别错误。在Cornell电影对话数据集上的实验结果表明，该领域自适应系统有助于口语对话系统生成与原始文本答案更相似的回复。