基于语义相似性和语言模型的预测置信度的对话响应预取.pdfVIP

基于语义相似性和语言模型的

预测置信度的对话响应预取

KiyotadaMori,SeiyaKawano,AngelFernandoGarciaContreras,KoichiroYoshino

NaraInstituteofScienceandTechnology,Japan

GuardianRobotProject,RIKEN,Japan

TokyoInstituteofTechnology,Japan

Abstract为预测模型。它通过提前准备系统的语音响应来

mori.kiyotada.mh5@naist.ac.jp,seiya.kawano@riken.jp,angel.garciacontreras@riken.jp,

解决延迟问题，以应对预测的完整用户陈述。系统

yoshino.k.ai@m.titech.ac.jp

对话响应的预取已被研究用于减少用户感知延迟

使用语言模型预测完整陈述的置信分数来确定预

（UPL），即用户在收到系统响应前的等待时间，在

取时机。实施以决定预取时机的语言模型被称为

语音对话系统中。为了减少UPL，需要在用户的

预测置信度模型（PCM）。

讲话结束之前预测完整的用户话语，通常使用语

现有的PCMs被建模为使用置信分数来预测

本言模型来准备预取的对话响应。在这项研究中，我后续用户话语的字符或单词级别。然而，当考虑实

们提出了一种预测置信度模型（PCM），通过估计

译际系统响应生成时，重要的是捕捉用户话语的意

预测的完整用户话语与实际完整用户话语之间的

中图并提前准备适当的响应，而不是完美地预测用

语义相似性来确定是否可以进行预取。我们基于

1户的每个单词[5]。换句话说，预取成功取决于是

v预测的完整用户话语和实际完整用户话语之间的

3差异对我们的PCM进行了评估。否捕捉到了用户的意图并准备了适当的响应。

0在这项研究中，我们改进了PCM的使用方

4IndexTerms:对话系统，自动语音识别，延迟，

4法，使其能够利用用户话语的语义含义。我们通

0预取

.过完整用户话语和由预测模型生成的预测用户话

8

0语之间的语义相似性来训练PCM，而不是估计它

51.介绍

2们之间字面上的匹配程度。此外，我们将成功的

:随着语音识别和对话响应生成研究