TAILIEUCHUNG - Báo cáo khoa học: "Classifying Recognition Results for Spoken Dialog Systems"

This paper investigates the correlation between acoustic confidence scores as returned by speech recognizers with recognition quality. We report the results of two machine learning experiments that predict the word error rate of recognition hypotheses and the confidence error rate for individual words within them. | Classifying Recognition Results for Spoken Dialog Systems Malte Gabsdil Deptartment of Computational Linguistics Saarland University Germany gabsdil@ Abstract This paper investigates the correlation between acoustic confidence scores as returned by speech recognizers with recognition quality. We report the results of two machine learning experiments that predict the word error rate of recognition hypotheses and the confidence error rate for individual words within them. 1 Introduction Acoustic confidence scores as computed by speech recognizers play an important role in the design of spoken dialog systems. Often systems solely decide on the basis of an overall acoustic confidence score whether they should accept consider correct clarify ask for confirmation or reject prompt for repeat rephrase the interpretation of an user utterance. This behavior is usually achieved by setting two fixed confidence thresholds if the confidence score of an utterance is above the upper threshold it is accepted when it is below the lower threshold it is rejected and clarification is initiated in case the confidence score lies in between the two thresholds. The GoDiS spoken dialog system Larsson and Ericsson 2002 is an example of such a system. More elaborated and flexible system behavior can be achieved by making use of individual word confidence scores or slot-confidences1 that allow more fine-grained de 1 Some recognition platforms allow the application programmer to associate semantic slot values with certain words of an input utterance. The slot-con dence is then de ned as th acoustic confi dence for the words that make up this silo. cisions as to which parts of an utterance are not sufficiently well understood. The aim of this paper is to investigate how well acoustic confidences correlate with recognition quality and to use machine learning ML techniques to improve this correlation. In particular we will conduct two different experiments. First we try to predict .

• Công nghệ - Môi trường
• Classifying Recognition Results
• Spoken Dialog Systems
• Malte Gabsdil
• báo cáo khoa học
• mô hình ngôn ngữ
• xử lý ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân tích ngữ nghĩa
• Phân loại tin tự động
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Tách từ tiếng Việt
• Gán nhãn từ loại
• Phân tích cú pháp
• Nghĩa từ vựng
• Phân giải nhập nhằng từ
• Phân loại văn bản
• Lexical chain
• Phản hồi thông tin
• Bài toán PTCP
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học