面向任务口语对话系统中不含槽信息话语的端到端对话控制

摘要

端到端(end-to-end)模型因其能有效避免传统的管道式设计存在的错误传递和累积问题,成为了近年来口语对话系统(spoken dialogue system,SDS)的研究热点.在面向任务SDS的end-to-end对话控制中,携带任务领域语义信息(槽信息)的话语的处理可以结合命名实体识别、数据库查询结果等语义特征,而不含槽信息的话语由于缺乏领域语义信息以及表达多样,其有效对话控制仍然是一个挑战.本文提出一种融合“显式”话语特征和“隐式”上下文信息的end-to-end混合编码网络用于处理不含槽信息话语.具体上,在应用卷积神经网络(convolutional neural network,CNN)对“显式”话语序列提取得到的特征表达的基础上,通过构造和捕获对话序列中“隐式”的系统后台上下文信息,进一步丰富了系统动作分类模型的特征表达.在限定领域的面向任务中文SDS中的评估结果表明,与传统的管道式SDS和end-to-end SDS相比,本文的方案在不含槽信息话语的单回合处理以及对话段整体性能上都得到了显著的提升.

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号