人机客户支持语音对话中的实时呼叫方意图检测

在人机客户支持语音交互过程中的坐席辅助需要根据呼叫方的意图（来电原因）触发工作流。预测的及时性对于良好的用户体验至关重要。目标是使系统能在坐席本可检测到该意图的时刻（意图边界）检测出呼叫方意图。一些方法侧重于离线预测输出，即在 ASR 系统处理完整个语音输入（例如整个对话轮次）之后进行。这会在每次本可更早检测出意图时引入不希望的预测延迟。近期关于语音助手的研究已在词级别增量实时预测以在命令结束前检测意图。然而，面向人与面向机器的语音具有非常不同的特征。本文中，我们提议将语音助手背景下开发的方法应用于人机语音交互中的在线实时呼叫方意图检测问题。我们使用一种双架构，其中两个 LSTM 联合训练：一个预测意图边界（IB），另一个预测 IB 处的意图类别。我们在由电信客户支持领域人机电话对话转录组成的私有数据集上开展实验。我们报告了分析结果，考察系统的准确率以及不同架构对整体准确率与预测延迟之间权衡的影响。