[논문 리뷰] Robust Parsing of Spoken Dialogue Using Contextual Knowledge and Recognition Probabilities

Gerhard Hanrieder, Günther Görz|ArXiv.org|1995. 05. 08.

Speech and dialogue systems참고 문헌 7인용 수 12

한 줄 요약

이 논문은 말하기 대화 시스템을 위한 강건한 구문 분석 기법을 제시하며, 단어 인식 확률과 문맥에 의존하는 의미 예측을 통합하여 단어 그래프에서의 구문 분석 정확도를 향상시킨다. 인식 점수와 통합된 품질 점수를 통해 문맥 지식을 활용함으로써 정보 내용을 높이고 인식 오류를 더 잘 다루며, 순수하게 인식 신뢰도에 의존하는 기법들보다 우수한 성능을 발휘한다.

ABSTRACT

In this paper we describe the linguistic processor of a spoken dialogue system. The parser receives a word graph from the recognition module as its input. Its task is to find the best path through the graph. If no complete solution can be found, a robust mechanism for selecting multiple partial results is applied. We show how the information content rate of the results can be improved if the selection is based on an integrated quality score combining word recognition scores and context-dependent semantic predictions. Results of parsing word graphs with and without predictions are reported.

연구 동기 및 목표

• 말하기 대화 시스템을 위한 강건한 언어 처리기 개발: 인식 오류와 불완전한 입력을 처리하기 위해.
• 자동 음성 인식에서 유도된 모호하거나 노이즈가 많은 단어 그래프에 대비한 구문 분석 신뢰성 향상.
• 인식 점수와 의미 예측을 통합하여 구문 분석 결과의 정보 내용을 향상시키기 위해.
• 문맥 지식이 인식 확률과 결합되었을 때 구문 분석 성능에 미치는 영향 평가하기 위해.

제안 방법

• Parser는 음성 인식에서 유도된 다수의 가능한 단어 시퀀스를 표현하는 단어 그래프를 입력으로 받는다.
• 단어 수준의 인식 확률과 문맥에 의존하는 의미 예측을 통합한 통합 품질 점수를 계산한다.
• 품질 점수 기반으로 최고 점수를 얻는 경로를 동적 프로그래밍 알고리즘을 사용해 단어 그래프 내에서 탐색한다.
• 완전한 해가 발견되지 않을 경우, 품질 점수에 따라 다수의 부분 해를 선택한다.
• 문맥 지식은 의미 제약 조건과 도메인 전용 규칙을 사용하여 모델링되어 의미 해석의 모호함을 해소하는 데 도움을 준다.
• 품질 점수는 인식 신뢰도와 의미 타당성의 가중 조합으로 계산된다.

실험 결과

연구 질문

• RQ1 말하기 대화에서 인식 오류는 어떻게 구문 분석 과정에서 완화될 수 있는가?
• RQ2 문맥에 기반한 의미 지식을 통합할 경우, 구문 분석의 강건성은 어느 정도 향상되는가?
• RQ3 인식 정보와 의미 정보를 통합한 품질 점수는 순수 인식 점수 기반의 구문 분석보다 우수한 성능을 낼 수 있는가?
• RQ4 시스템은 불완전하거나 모호한 단어 그래프를 어떻게 처리하는가?

주요 결과

• 인식 확률과 의미 예측의 통합은 구문 분석 결과의 정보 내용을 크게 향상시킨다.
• 완전한 문장이 인식되지 않을 경우 다수의 고품질 부분 해를 선택함으로써 시스템은 더 높은 강건성을 확보한다.
• 결과적으로 문맥 인식 기반의 구문 분석은 순수 인식 점수 기반 접근보다 오류율을 낮춘다.
• 문맥 지식을 활용하면 높은 인식 불확실성 조건 하에서도 더 의미적으로 타당한 해석을 도출할 수 있다.