선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에 소개된 방법에 대한 실험을 위해 PHOPE를 위한 음성 대화 시스템을 개발하였다. PHOPE는 건물 안내를 위한 지능 로봇으로 건물 내에 존재하는 방들의 정보와 구성원의 정보를 제공하고 사용자가 요청 시에는 직접 목적지로 안내를 할 수 있다.
- 본 논문에서는 기존의 아젠다 기반의 대화 모델 방식을 EBDM 방법에 접목하여 음성 인식 오류에 강인한 대화 모델을 구현하는 방법을 제안했다. 아젠다 그래프는 수동으로 구축하는 비용이 들 수 있지만 대화 시스템에서 대화 상태를 추적하거나 담화 해석을 하는데 도움을 줄 수 있다.
- 본 논문에서는 최근에 제안된 데이터 주도적인 대화 모델링 방법 중의 하나인 예제 기반 대화 모델(Example-based Dialog Modeling, EBDM)[5]을 기반으로 하여 상위 n개의 음성 인식 가설과 휴리스틱 대화 지식을 이용하여 음성 인식 오류에 강인한 대화 모델 방법을 제안 한다. 또한, 휴리스틱 대화 지식을 이용하여 잘못된 대화 진행 오류를 처리할 수 있는 예제 기반 오류 복구 방법도 개발하였다.
- 우리는 Lochbaum의 담화 분석 알고리즘[10]을 이용하여 저장된 포커스 스택(Focus Stack)에 존재하는 최근 세부 태스크와 현재 발화가 어떠한 관련이 있는지를 알기 위해서 담화 분석 알고리즘을 구현했다. 본 논문에서의 포커스 스택은 현재까지 선택된 노드들을 저장한 것으로 담화 구조를 내포하고 있다.
가설 설정
- EBDM 프레임워크에서는 예제 기반의 오류 복구 전략을 이용한다 [3]. 예제 기반의 오류 복구 전략에서 오류 검출은 현재 사용자 발화와 유사한 대화 예제가 존재하지 않는 경우를 오류로 가정한다. 이것은 음성 인식 오류나 자연어 이해 오류로 인해 검색 조건에 오류가 포함될 수 있기 때문이다.
- 그러므로 현재 노드에서 가능한 천이 확률값 중에서 가장 작은 값을 선택하고 후보 노드와의 거리를 계산하여 거리만큼 패널티를 주는 방법을 이용한다. 이것은 목적 지향 대화에서 일반적인 사용자는 일관된 대화를 진행하여 다른 담화 상태로 넘어갈 확률은 NEXT_TASK보다 낮을 것이라고 가정한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.