1
Arquitectures dels sistemes de diàleg
Comprensió
Controladordel
diàleg
Generació
Expressió
en LN
Expressióen LN
Estructuradel discurs
AplicacióInformàtica
Raonamentsobre el model
domini
Interfície ambl’aplicació
Estructura atencional i intencional
2
Arquitectures dels sistemes de diàleg
Comprensió
Controladordel
diàleg
Generació
Expressió
en LN
Expressióen LN
Discurs
AplicacióInformàtica
Raonamentsobre el model
domini
Interfície ambl’aplicació
Reconeixement de veu
Síntesi de veu
Estructura atencional i intencional
3
Controlador de diàleg (I)
Dues fases: Reconeixement i generació Participació del sistema en la conversació
• Iniciativa del sistema: diàleg dirigit• Es demana a l’usuari que respongui preguntes:
“ De quina ciutat vol sortir”
• Iniciativa de l’usuari• L’usuari pot dir el que vulgui i el sistema
demana clarificacions quan ho necessita
• Iniciativa mixte: diàleg orientat a un objectiu• L’usuari i el sistema col.laboren per solucionar
el problema seguint el paradigme conversacional
4
Controlador de diàleg (II)
Decideix la resposta del sistema a una sentència de l’usuari
• Tractament d’ambigüitats i informació
incompleta en les intervencions de l’usuari
• Obtenció de la informació que demana
l’usuari accedint a l’aplicació o a bases de
coneixements
• Presentació de la resposta
5
Controlador de diàleg (III)
Atribut Pregunta opcional
AeroportOrigen “De quin aeroport”
AeroportDestí “A on vol anar?”
HoraSortida “A quina hora vol sortir?”
Hora d’arribada “A quina hora vol arrivar?”
Classe
Companyia
Anada
6
Controlador del diàleg (IV)
Preparació, en cada torn, de la resposta de l’usuari• Obtenir informació de l’usuari:
• Ambigüitats degudes a problemes de reconeixement Has dit Barcelona o Badalona ?
• Especificació incompleta Quin dia vols viatjar?
• Presentació de la resposta • Negociació amb l’usuari: reduir el nombre de respostes
He trobat 10 vols, prefereixes alguna companyia en especial ?
• Si es presenta per pantalla Resums, gràfics, taules
7
Controlador del diàleg (V)
• Guiar a l’usuari • Presentar nous objectius
Vols saber el preu de l’itinerari?• Presentar alternatives
No tinc informació de vols a Girona, vols els de Barcelona ?
• Indicar a l’usuari el que el sistema es capaç de reconèixer i/o respondre:
• Quanta més iniciativa pot prendre l’usuari més problemes per desconeixement de:
Capacitats del sistema: Trajectes de Barcelona a Vilallobent El rang: ex. pobles dels quals el sistema no disposa informació El llenguatge que el sistema reconeix
• Sistemes d’ajudes: Depenen del context
8
Controlador del diàleg (VI)
• Recuperació d’errors • Diferents causes: acústiques, estil de la parla,
disfluències, vocabulari, sintaxis
• Incorporació de puntuació de confidència per tractar entrades problemàtiques
Diàleg més dirigit Confirmació explícita: demanar informació de només el que
no s’ha entès bé. (Anàlisi parcial) Altres estratègies
• Tractament d’interrupcions• Problema acústic, de comprensió i de diàleg
• Ex: Dona’m més informació sobre aquest
9
Controlador de diàleg (VII)
Utilitza• Model del diàleg:
• Descripció genèrica de la construcció del diàleg
• Model de la tasca• Representació de les tasques del sistema
Exemple: accés a bases de dades
• Historia del diàleg• Informació sobre els objectes, propietats,
relacions que han aparegut,... • Tasques del sistema realitzades
10
Controlador de diàleg (VIII)
Model del diàlegEntendre una intervenció en el context de les anteriors - Utilitzar el focus d’atenció
• Deixis: Agafaré el segon• Referències anafòriques: per exemple pronoms,
com a quin és el seu telèfon• Incompletitud: Tots els trens del matí
Obtenir informació no expressada- Dues aproximacions• Contingut. Inferència i abducció• Intenció
11
Controlador del diàleg (IX)
Tres aproximacions per modelar diàleg Basades en l’estructura
• Modelen regularitats del diàleg• Salutació inicial, respotes seguint preguntes, acomiadament,...
Basades en la intenció (de l’usuari): Models de plans• Intervencions són actes de communicació (speech act) : preguntar, informar, confirmar,..• Processament costòs
Accions conjuntes• Col.laboració home-màquina per resoldre problemes ( ambigüetats, informació imcompleta, …)
12
Controlador del diàleg (X)
Basades en l’estructura: Regularitats sequëncials al diàleg • preguntes-respostes• propostes-acceptacions• errors- solucions
Gramàtiques que modelen el diàleg• Elements terminals: pregunta, resposta, oferiment, questió, resposta, proposició, aceptació, rebuig, etc..• Donat un estat, preveure el següent
Inconvenient: No totes les intervencions tenen una única interpretació• Necessari més informació
13
Controlador del diàleg (XI)
Basades en la intenció (de l’usuari): Models de plans• Les intervencions són actes de comunicació (speech act) : preguntar, informar, confirmar,..• Els actes formen part d’un pla que s’ha de detectar i actuar en conseqüència. Exemple: Usuari: tren a Alacant Sistema: Dóna la informació de hores de trens a Alacant (L’usuari està demanant informació)• Utilització: regles d’inferència, definicions d’accions, models dels estats mentals de participants, expectació d’objectius, etc.• Processament costós
14
Controlador del diàleg (XII)
Implementació:
No hi ha un model general per totes les aplicacions
• Construcció a mà de les transicions del diàleg(dialog flow)• Gramàtiques
• Llenguatge de scripts
• Graf d’objectes o mòduls del diàleg
• Eines semi-automàtiques
Rapid Dialogue Prototyping Institute of Techology of Lausane
• Model probabilístic i tècniques d’aprenentatge Grup de PLN de la UPV (Basurde)
15
Controlador del diàleg (XIII)
Models probabilístics Grup de PLN de la UPV (Basurde). Model 1
• Model de diàleg per trobar l’optim acte de diàleg que ha de realitzar el sistema en cada estat ^D = argmaxPr(D|w,d) D • w últim torn de l’usuari• d història del diàleg (seqüència d’actes anteriors de diàleg) ^• D òptim acte del sistema
16
Controlador del diàleg (XIV)
Models probabilísticsGrup de PLN de la UPV (Basurde). Anotació de corpus
Vull anar a Madrid amb l’Unamuno
Anotació semànticaVull : consulta anar :<hora_sortida> a :<marca_desti>
Madrid :<ciutat_desti> amb l’’Unamuno :<tipus_tren>
17
Controlador del diàleg (XV)
Models probabilístics Grup de PLN de la UPV (Basurde). Model 2
• Incorporació de unitats semàntiques que assigna el mòdul de comprensió a les paraules de la intervenció ^ D = argmaxPr(D|u,w,d) D • u unitats semàntiques donades pel mòdul de comprensió • w últim torn de l’usuari• d història del diàleg ^• D òptim acte del sistema
18
Controlador del diàleg (XVI)
Models probabilísticsGrup de PLN de la UPV (Basurde). Anotació de corpus
Vull anar a Madrid amb l’Unamuno
Anotació semàntica amb categories Vull : consulta anar :<hora_sortida> a :<marca_desti>
Madrid : INSTANCIA: <ciutat_desti> amb l’Unamuno INSTANCIA: :<tipus_tren>
19
Controlador del diàleg (XVII)
Models probabilístics Grup de PLN de la UPV (Basurde)
El model diàleg utilitza
• Model Hidden Markov basat en paraules per assignar actes de diàleg als torns de l’usuari• Gramàtica N-gram com a història de diàleg • Corpus amb etiquetes semàntiques
20
Controlador del diàleg (XVIII)
Models probabilísticsGrup de PLN de la UPV (Basurde). Anotació de corpus
• Considerar informació essencial per determinar l’estratègia de diàleg• Etiqueta semàntica. Actes de diàleg - Intenció de l’usuari - Informació en un segment: sub-sentència del torn• Per reduir etiquetes --> categorització de ciutats, hores, dies,...
21
Controlador del diàleg (XIX)
Models probabilísticsGrup de PLN de la UPV (Basurde). Anotació de corpus
• 226 diàlegs orals en espanyol
• Obtinguts amb la tècnica de Wizard of Oz
• Contingut: preguntes de hora de sortida i arribada, cost del viatge, tipus de tren, etc..
• 394 etiquetes d’actes de diàleg: 137 del sistema i 257 de l’usuari
22
Controlador del diàleg (X)
Eines semi-automàtiques
Rapid Dialogue Prototyping Laboratory, Swiss Federal Institute of Techology of Lausane
• Genera un model de diàleg per una aplicació concreta en 3 fases:
• Recull corupus de diàleg utilitzant tècnica Wizard of Oz
• Construcció d’un primer model del diàleg utilitzant l’eina Rapid Dialogue Prototyping
• Implementació i validació del prototipus
23
Disseny d’un sistema de diàleg
Principis de Gould and Lewis (1985) Estudiar els usuaris i les tasques
• Entrevistar a usuaris• Obtenir diàlegs persona-persona
Construir prototipus• Utilitzar el métode Wizard-of-Oz. Un usuari
simula la màquina Disseny iteractiu
• Els usuaris han de probar el sistema. Incorporar informació de l’experiència
24
Els sistemes de diàleg
Línes per millorar el procés de generació Col.lecció de corpus home-home i home-màquina• Necessitat d’establir convencions per fer anotacions• Special Interested Group on Dialogue (SIGdial) of the
Association of Computational Linguistics
• Criteris d’avaluació•Objectius: • temps de processament d’una intervenció, nombre de
torns, errors, torns de reparació,...
•Subjectius: Questionaris als usuaris
25
Articles
Conversational Interfaces: Advances and Challeges. Proceeding of the IEEE. Special Isue on Spoken Language Processing, August 2000, IEEE.
Survey of the State of the Art in Human-Language Technology. Chapter 6. Discourse and Dialogue. R. Cole and al. (eds.). Report commissioned by the National Science Foundation, 1996. Available http://www.cse.ogi.edu/CSLU/HLTsurvey/HLTsurvey.html>
Speech and Language Processing. Daniel Jurafsky & James Martin.Prentice Hall series in AI, 2000
Referències
26
Conferències
International Conference on Text, Speech and Dialogue. ( República Xeca)
Eurospeech Conference International Conference of Spoken
Language Processing International Symposium on Spoken
Dialogue
Referències
Top Related