9、纠错与提取方法比较

纠错与提取方法比较

1. 引言

在对话中，纠错是至关重要的，因为错误和歧义难以避免。例如，当一个家用机器人收到“把清洗好的勺子放进餐具抽屉”的指令时，它可能不清楚具体哪个抽屉是餐具抽屉。若它选错抽屉，用户就需要进行纠正，如“不，放进水槽右边的抽屉”。或者，机器人也可以直接询问用户餐具抽屉的位置，用户的回答就起到了纠错的作用。

此外，当用户改变初始指令，或者系统因自动语音识别或自然语言理解错误而误解用户请求时，也会产生纠错的需求。

我们提出了一个组件，它以请求和纠错信息作为输入，输出纠正后的请求。该组件仅专注于替换实体短语，如“水槽右边的抽屉”，而动词短语等其他类型的短语不在本研究范围内。

例如，请求“把清洗好的勺子放进餐具抽屉”，加上纠错信息“不，放进水槽右边的抽屉”，会被转换为“把清洗好的勺子放进水槽右边的抽屉”。

这种纠错组件相较于直接在主对话组件中处理纠错有两个优势：一是减少了对话组件所需的训练数据量，因为如果有一个开放领域的纠错组件，就无需学习纠错；二是可以输出待修正实体和修正实体的对，这些实体对可用于对话系统的终身学习组件，减少未来纠错的需求，让机器人学习到具体哪个抽屉对应餐具抽屉。

2. 前期研究

在交互式修复对话领域，已有多项研究。例如，有研究采用多模态方法，用户可以通过重新表述、拼写、从自动语音识别组件的 n - 最佳列表中选择替代项或手写来指出并纠正错误短语。还有研究通过考虑上下文来增强纠错策略，并在听写系统中对这些方法进行了评估。

也有研究提出基于纠错语法的错误处理组件，但需要基于语法的对话系统；还有研究提出纠错检测模块和处理检测到的错误的策略。此外，一些研