语音助手减少不必要澄清问题的技术突破

减少语音助手不必要澄清问题的新方法

当两个人在嘈杂环境中交谈时，如果一方没有听清或理解对方的意思，自然反应是请求澄清。语音助手也是如此。为了避免基于不准确或不完整理解采取潜在错误行动，语音助手会提出后续问题，例如询问定时器应设置为15分钟还是50分钟。

传统上，决定是否提出此类问题基于机器学习模型的置信度。如果模型预测出多个具有高置信度的竞争假设，澄清问题可以帮助从中选择。

然而，对语音助手数据的分析表明，77%的情况下，即使替代假设也获得高置信度分数，模型排名最高的预测仍然是正确的。在这些情况下，我们希望减少提出的澄清问题数量。

在IEEE自动语音识别与理解研讨会（ASRU）上，我们提出了一项工作，通过训练机器学习模型来确定何时真正需要澄清，从而减少不必要的后续问题。

HypRank模型

在大多数语音助手中，客户语音的声学信号首先传递给自动语音识别（ASR）模型，该模型生成关于客户所说内容的多个假设。排名靠前的假设然后传递给自然语言理解（NLU）模型，该模型识别客户的意图（客户希望执行的操作，如播放视频）和话语槽位（意图应操作的实体，如视频标题，其值可能是"哈利·波特"）。

在我们的论文中考虑的场景中，ASR和NLU模型生成的假设传递给第三个模型，称为HypRank（假设排序器）。HypRank结合ASR、意图分类和槽位填充的预测和置信度分数与上下文信号（例如特定客户启用了哪些技能），以生成不同假设的整体排名。

澄清与否的决策

在我们的方法中，我们训练另一个机器学习模型来决定是否提出澄清问题。除了ASR、NLU或HypRank分数的相似性外，该模型还考虑另外两个歧义来源：信噪比（SNR）和截断话语。截断话语是指以冠词（"an"、"the"等）、几个所有格（如"my"）或介词结尾的话语。

作为输入，模型接收排名最高的HypRank假设；任何在其他三个度量上具有足够相似分数的其他假设；SNR；指示请求是否为重复的二进制值；以及指示五种歧义来源中哪些适用的二进制值。

输入假设的数量可能因适用的歧义类型数量而异。因此，所有非排名最高假设的向量表示被组合形成摘要向量，然后与其他输入的向量表示连接。连接后的向量传递给分类器，该分类器决定是否发出澄清问题。

实验

据我们所知，目前没有现有的数据集具有根据准确性标记的多个ASR和NLU假设。为了训练我们的模型，我们使用了由某中心同事去年在NeurIPS人机对话系统研讨会上提出的模型自动注释的数据。

由于数据集中的所有样本都至少具有一种歧义类型，我们的基线是在每种情况下都提出澄清问题。该方法具有零假阴性率（从不会在必要时未能提出澄清问题），但可能具有高假阳性率。我们的方法可能会增加假阴性率，但F1分数的提高意味着它在假阴性和假阳性之间取得了更好的平衡。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

公众号二维码