4、语音对话系统中跨领域切换的机器主导错误恢复策略评估

语音对话系统中跨领域切换的机器主导错误恢复策略评估

1. 引言

随着智能手机和其他联网设备的普及，人们越来越依赖这些设备，应用程序的使用量也大幅增长。个人助理（如苹果的Siri和微软的Cortana）改变了传统的应用交互模式，能够识别和执行来自不同领域的用户意图。然而，构建用于处理动态多领域对话的对话管理系统是一项具有挑战性的任务。多领域或开放领域的口语对话系统（SDS）需要大型语言模型，这会降低语音识别准确性和语言理解能力。因此，SDS很难确定用户是否真的想要进行领域切换。

在多领域SDS中正确处理领域切换对于用户满意度和任务成功率至关重要。意外的领域切换会让用户纠正或重启对话，而未能识别领域切换则可能导致用户无法达成任务目标。对于车载系统而言，这些问题会严重影响驾驶员的安全。因此，车载系统需要特别关注领域切换和域外话语。

本文将探讨不同的错误恢复或澄清策略，并通过在线研究评估这些策略的任务成功率和可用性。

2. 多领域SDS中的错误恢复策略

当前的SDS通常设计用于特定领域，但为了访问基于网络的信息和服务，需要开放领域的对话式SDS。之前的研究发现，用户希望能够自然地在不同服务之间切换，而不是显式地切换应用程序。

一些早期的SDS，如SmartKom，提供了多模态界面来访问14个不同的应用程序，但它基于封闭世界本体，只能理解已建模的内容。对于识别错误或域外话语，通常在技术层面进行纠正。此外，还有其他技术方法用于正确处理领域切换和域外话语，但它们在处理领域模糊的话语时效果不佳。

Bohus和Rudnicky分析了各种恢复策略，确定了“继续前进”和“帮助用户”策略是进行显式澄清的有效方法。然而，这