语音助手系统中用于查询重写的模式感知数据增强
计算与语言
2020-12-22 v1
摘要
查询重写（QR）系统被广泛用于减少口语语言理解流水线中错误所引起的摩擦。然而，其底层的监督模型需要大量标注对，而这些标注对难以且昂贵地收集。因此，我们提出一种增强框架，从现有训练对中学习模式，并从重写标签逆向生成重写候选以补偿 QR 训练数据不足。所提框架将增强问题视为序列到序列生成任务，并以策略梯度技术强化优化过程以实现可控奖励。该方法超越了传统的启发式或基于规则的增强方法，且不局限于生成预定义的交换/替换词模式。我们的实验结果显示了其与全训练 QR 基线相比的有效性，并展示了其在提升低资源领域或语言区域上 QR 性能的潜在应用。
引用
@article{arxiv.2012.11468,
title = {Pattern-aware Data Augmentation for Query Rewriting in Voice Assistant Systems},
author = {Yunmo Chen and Sixing Lu and Fan Yang and Xiaojiang Huang and Xing Fan and Chenlei Guo},
journal= {arXiv preprint arXiv:2012.11468},
year = {2020}
}
备注
Accepted to DEEP-DIAL 2021 workshop at AAAI