ACL 2017 | 更宽泛场景下的用户意图识别

程序媛的日常 · 公众号 · · 2017-07-24 18:43

正文

请到「今天看啥」查看全文

举个例子来说，比如在很多智能家电中，用户既会发出一些指令如“Set an alarm at 8 o'clock.”也会说一些聊天的话如“What is your hobby?”。针对这两种不同的用户输入，作者提出的解决办法是先区分这两种场景，再具体问题具体分析，进行模块化处理。作者将区分这两种场景的任务，叫做 chat detection，并且建模成了二分类问题。

值得一提的是，虽然过去有人把 non task-oriented 的这种输入也“统一”进了 intent determination 中，设为一种新的意图类别，但作者并不认同。这是因为，他们认为，针对 non task-oriented 的用户输入，系统后续并不进行 slot filling 等任务导向型对话系统中的模块处理，故应该单独区分。从最快捷地利用已有研究成果的角度，这种处理方式确实更简单。

为了进行 chat detection 的实验，他们在 Yahoo! Voice assistant 的用户数据中收集了一万多条数据，并进行了人工标注。标注中，除了有 task-oriented（NonChat） 还是 non task-oriented（Chat） 的标注外，还有针对后者的 dialogue act 的更细粒度的分类。