tailieunhanh - Báo cáo khoa học: "Learning to Adapt to Unknown Users: Referring Expression Generation in Spoken Dialogue Systems"

We present a data-driven approach to learn user-adaptive referring expression generation (REG) policies for spoken dialogue systems. Referring expressions can be difficult to understand in technical domains where users may not know the technical ‘jargon’ names of the domain entities. In such cases, dialogue systems must be able to model the user’s (lexical) domain knowledge and use appropriate referring expressions. | Learning to Adapt to Unknown Users Referring Expression Generation in Spoken Dialogue Systems Srinivasan Janarthanam School of Informatics University of Edinburgh Oliver Lemon Interaction Lab Mathematics and Computer Science MACS Heriot-Watt University Abstract We present a data-driven approach to learn user-adaptive referring expression generation REG policies for spoken dialogue systems. Referring expressions can be difficult to understand in technical domains where users may not know the technical jargon names of the domain entities. In such cases dialogue systems must be able to model the user s lexical domain knowledge and use appropriate referring expressions. We present a reinforcement learning RL framework in which the system learns REG policies which can adapt to unknown users online. Furthermore unlike supervised learning methods which require a large corpus of expert adaptive behaviour to train on we show that effective adaptive policies can be learned from a small dialogue corpus of non-adaptive human-machine interaction by using a RL framework and a statistical user simulation. We show that in comparison to adaptive hand-coded baseline policies the learned policy performs significantly better with an average increase in adaptation accuracy. The best learned policy also takes less dialogue time average min less than the best hand-coded policy. This is because the learned policies can adapt online to changing evidence about the user s domain expertise. 1 Introduction We present a reinforcement learning Sutton and Barto 1998 framework to learn user-adaptive referring expression generation policies from data-driven user simulations. A user-adaptive REG policy allows the system to choose appropriate expressions to refer to domain entities in a dialogue Jargon Please plug one end of the broadband cable into the broadband filter. Descriptive Please plug one end of the thin white cable with grey ends into the .

• Báo cáo khoa học
• Learning to Adapt to Unknown Users
• Referring Expression Generation
• Spoken Dialogue Systems
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• 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
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball