発話意図を考慮した部分観測マルコフ決定過程を用いた音声対話システ.pptVIP

問題点？？ なぜタスク変更するか PBVIの収束条件 平均利得が収束していく　確認したい ユーザシミュレーション １０００回の対話 信頼度の付与　コンセプト誤りが生じた時は、０．６以下のランダムの信頼度を付与 * * 自由な発話に対して頑健なのはどこで？？ 色々な発話を想定している。 一般的な音声対話システムにおいても同じ * POMDPの大事な部分を説明すると ベイジアンネットワークの概説がほしい ユーザの状態を完全観測できないので、ユーザの状態を確率分布として表す。 複数の仮説を持つことにより誤認識からの回復が可能となる * POMDPの環境をこのように設定する！ 行動を最適化するのがPOMDP問題 報酬の説明！ 例えば正しいユーザのゴールを求めることが出来れば、大きな正の報酬。間違えれば負の報酬。 その他、ターン数がかかればちいさな負の報酬 記号説明 Aはシステムの行動を表しており、将来得られる累積報酬を最大にするような方策に従い、行動を選択する。 Oはユーザからの観測値を表しており、この場合は音声認識結果 報酬の設定 ユーザの観測からユーザの状態を推測（ベイジアンネットワーク） その推測された状態に基づいて最適な行動とる ベイジアンネットによって信念を更新する 目的関数の累積報酬を最大にするよう行動を選ぶ ユーザの状態は確率分布によって推測する 未来の報酬を割