STEER：面向语音助手的语义化话轮延伸-扩展识别
计算与语言
2023-12-22 v1 人工智能
机器学习
摘要
在语音助手系统的语境中，转向（steering）指用户发出后续指令以试图引导或澄清前一话轮的现象。我们提出 STEER，一种转向检测模型，用于预测后续话轮是否为用户试图转向先前指令的行为。由于冷启动问题，为转向用例构建训练数据集存在挑战。为克服此问题，我们设计了启发式规则来采样用户主动使用数据，在无任何标注的情况下近似正样本与负样本。实验结果表明，在识别转向意图方面性能良好，在采样数据上准确率达 95% 以上。此外，STEER 结合我们的采样策略，能有效地与真实世界转向场景对齐，这在其于人工评分评测集上的强零样本性能中得以印证。除仅以用户转录文本作为输入外，我们引入 STEER+，即该模型的增强版本。STEER+ 利用语义解析树为词汇表外词（如常出现于句边界的命名实体）提供更多上下文。这进一步提升了模型性能，在实体频繁出现的领域（如消息）中降低了错误率。最后，我们给出一项数据分析，凸显了当语音助手支持转向用例时用户体验的提升。
引用
@article{arxiv.2310.16990,
title = {STEER: Semantic Turn Extension-Expansion Recognition for Voice Assistants},
author = {Leon Liyang Zhang and Jiarui Lu and Joel Ruben Antony Moniz and Aditya Kulkarni and Dhivya Piraviperumal and Tien Dung Tran and Nicholas Tzou and Hong Yu},
journal= {arXiv preprint arXiv:2310.16990},
year = {2023}
}
备注
EMNLP 2023 Industry Track