与电视对话：基于层次化循环神经网络的环境感知语音搜索
信息检索
2017-05-16 v1
摘要
我们解决了针对娱乐系统提出的导航式语音查询这一新问题，其中观众通过支持语音的遥控器交互以指定要观看的节目。这是一个困难的问题，原因有几点：此类查询很短，甚至比其他领域的可比语音查询更短，从而减少了破译用户意图的机会。此外，底层的语音识别错误加剧了歧义。我们通过整合查询的词级和字符级表示，并通过建模语音搜索会话以捕获查询序列中的上下文依赖关系来应对这些挑战。两者均通过一个概率框架实现，其中循环和前馈神经网络模块以层次化方式组织。我们从 Comcast Xfinity X1 娱乐系统上 2.5M 观众的 32M 条原始语音查询数据集中提取数据来训练和测试我们的模型。我们展示了我们的混合表示和上下文感知模型的优势，其显著优于无上下文的模型以及当前部署的产品。
引用
@article{arxiv.1705.04892,
title = {Talking to Your TV: Context-Aware Voice Search with Hierarchical Recurrent Neural Networks},
author = {Jinfeng Rao and Ferhan Ture and Hua He and Oliver Jojic and Jimmy Lin},
journal= {arXiv preprint arXiv:1705.04892},
year = {2017}
}