[发明专利]通过对话回合间上下文关系来减少辨识错误的装置与方法

说明书

技术领域

本发明关于一种通过对话回合(dialogue turn)间上下文(context)关系来减少辨识错误的装置与方法。 

背景技术

自动语音辨识(Automatic Speech Recognition，ASR)中，如何减少辨识错误(recognition error)是一个很重要的问题。历来的研究发现，利用更多的信息，作为辨识的参考，可有效地降低辨识错误率。可利用的信息包含语音(speech utterance)信息、语意(speech semantics)信息、还有对话上下文(dialoguecontext)相关信息。 

传统语音辨识主要是采取关键词辨识(keyword spotting)。如果关键词的辨识正确，那么便可以正确地继续对话，完成所需的任务。对于传统的信息存取对话系统(例如查询天气、查询人员信息、语音订票等系统)来说，只要能将关键词的辨识率提高，结合其它相关技术(例如不同的对话状态采取不同的子对话系统)，即可实现一个可用的系统。 

较新的对话系统中，系统和使用者之间的关系不同于以往的由固定一方问，另一方答，其更复杂的互动，导致单靠关键词辨识的技术无法实现一个可行的对话系统。例如，在一个语言学习系统中，使用者和系统会互相问对方问题，并回答问题，一同完成某一个任务，或达到双方共有的任务。图1是这种对话系统的一个例子。参考图1，使用者(以U表示)和系统(以S表示)进行对话，双方要共同协调出一个时间，还有双方都可以接受的活动来进行。 

在该例子中，双方不再设定是一问一答，因此可能出现的辨识错误会如下所示： 

“Do you like dancing？”有可能被错误辨识成：“I do like dancing.”； 

“Would you like to...？”有可能被错误辨识成：“What do you like to..？” 

从上述的例子当中，可以知道仅通过关键词辨识来进行错误辨识，可能 无法解决这样的错误。如果可以参考对话上下文的相关信息，那么对于辨识率的提升，会有相当大的帮助。 

现今技术中，有利用对话的历史内容，来提高辨识率。例如，RebeccaJonson等人在IEEE SLT 2006所提出的论文“Dialogue Context-basedRe-ranking of ASR Hypotheses”中，其利用语音特征(utterance feature)、实时上下文特征(immediate context feature)、最近上下文特征(close-contextfeature)、对话上下文特征(dialogue context feature)和可能者清单特征(listfeature)等不同方面的特征，作为判定辨识错误的参考。而在实时上下文特征、最近上下文特征中，该论文只考虑了最近的前两次对话回合的对话上下文信息，作为辨识的基础。 

另一种参照对话历史内容的作法，则是计算出之前对话的相关统计信息(例如，对话进行中的取消率(cancel percentage)、错误率(error percentage)、系统回合数(number of system turns)、使用者回合数(number of user turns)等概括的信息，没有详细和精确地参照到之前每一回合对话内容的相关信息，也没有精确地描述对话回合之间可能存在的关系 

目前的技术大多是根据上一个对话句子(通常是系统所发出的句子)，作为判定目前句子的主要依据。然而，在真实的对话中，目前的句子可能会跟前几个句子相关，而非仅与前一个句子相关。在现有的技术当中，对于这样的情况，尚无有效的表示。例如，现有的例子当中，采用类似N连文法(N-gram)的作法。如果要考虑n＞3的情况，那么其频率的分布会非常稀疏(sparse)。 

在语音辨识系统中，利用N-最佳可能者清单(N-Best List)的重新评分方法来提高语音的辨识率，也是一个广泛应用的概念。N-最佳可能者清单的方法中，大多着重于如何利用N-最佳可能者清单信息来测量信心度(confidencemeasure)，与如何在辨识过程中，产生N-最佳可能者清单的方法，以及N-最佳可能者清单如何进行调适性学习(adaptive learning)。 

发明内容