[论文解读] On the use of expectations for detecting and repairing human-machine miscommunication

Morena Danieli|arXiv (Cornell University)|Nov 19, 1997

Speech and dialogue systems参考文献 10被引用 25

一句话总结

本文在 DIALOGOS 语音对话系统中提出了一种双重期望机制，用于检测和修复人机沟通中的误解：通过预测来预判用户输入，并利用基于语用的期望来追踪话语连贯性。通过结合两者，系统提升了对用户发起的修复的检测能力，并在对新手用户的实地测试中实现了 84% 的事务成功率。

ABSTRACT

In this paper I describe how miscommunication problems are dealt with in the spoken language system DIALOGOS. The dialogue module of the system exploits dialogic expectations in a twofold way: to model what future user utterance might be about (predictions), and to account how the user's next utterance may be related to previous ones in the ongoing interaction (pragmatic-based expectations). The analysis starts from the hypothesis that the occurrence of miscommunication is concomitant with two pragmatic phenomena: the deviation of the user from the expected behaviour and the generation of a conversational implicature. A preliminary evaluation of a large amount of interactions between subjects and DIALOGOS shows that the system performance is enhanced by the uses of both predictions and pragmatic-based expectations.

研究动机与目标

• 解决语音人机对话系统中检测和修复误解的挑战。
• 研究用户行为偏离预期和会话含义如何表征误解。
• 通过整合预测性期望与语用性期望，提升系统的鲁棒性。
• 通过认知与话语建模，改进任务导向型语音语言系统中的对话管理。

提出的方法

• 基于格里森会话准则（Gricean conversational maxims）并针对人机交互进行调整，对用户期望进行建模，包括相关性、数量和真实性。
• 基于对话上下文实施预测，以预判用户下一句的发言主题。
• 使用分层上下文结构（上下文层级）来追踪焦点转移并维持话语连贯性。
• 当用户发言偏离预测并产生会话含义时，检测误解。
• 当通过语用期望违背检测到不一致时，启动修复子对话。
• 利用集成预测与语用期望机制的对话模块，指导理解与响应生成。

实验结果

研究问题

• RQ1 在语音对话系统中，用户行为偏离预测在多大程度上可作为误解的信号？
• RQ2 会话含义在用户交互过程中检测系统错误时发挥什么作用？
• RQ3 基于语用的期望如何提升对用户发起修复的检测能力？
• RQ4 将预测与语用期望相结合，在真实世界语音对话应用中在多大程度上提升了系统性能？

主要发现

• 将预测性期望与语用性期望相结合，显著提升了系统检测和响应误解的能力。
• 当系统通过语用期望追踪话语连贯性时，对用户发起修复的检测更加可靠。
• DIALOGOS 系统在包含 923 次对话的实地测试中，实现了 84% 的事务成功率。
• 系统通过识别用户行为偏离预期并启动适当的修复子对话，成功处理了识别错误。
• 上下文层级模型通过将话语与适当的先前焦点关联，有效支持理解，增强了语义一致性。
• 基于 923 次对话的实证数据表明，语用期望在真实世界语音对话应用的鲁棒性中发挥了实质性作用。