无监督语音话语分类
计算与语言
2021-07-05 v1 人机交互
摘要
智能虚拟助手（IVA）通过语音话语分类（SUC）——一种特殊形式的口语理解（SLU）——实现呼叫路由中的轻松对话。构建 SUC 系统需要大量有监督的领域内数据，而这并非总可获得。在本文中，我们引入一种无监督语音话语分类方法（USUC），除意图标签和每意图少量释义外，不需要任何领域内数据。USUC 由一个 KNN 分类器（K=1）和一个在大量无监督客服语料上训练的复杂嵌入模型组成。在所有嵌入模型中，我们证明 Elmo 对 USUC 效果最佳。然而，Elmo 模型在运行时用于呼叫路由过慢。为解决此问题，首先，我们离线计算 uni- 和 bi-gram 嵌入向量，并构建 n-gram 及其对应嵌入向量的查找表。然后我们利用该表在运行时计算句子嵌入向量，并对未登录 n-gram 采用回退技术。实验表明，USUC 在无需有监督数据的情况下，将分类错误率从 32.9% 降至 27.0%，优于传统话语分类方法。此外，我们的查找与回退技术将处理速度从每秒 16 条话语提升至每秒 118 条话语。
引用
@article{arxiv.2107.01068,
title = {Unsupervised Spoken Utterance Classification},
author = {Shahab Jalalvand and Srinivas Bangalore},
journal= {arXiv preprint arXiv:2107.01068},
year = {2021}
}
备注
4 pages