Gesprochene Dokumentenretrieval aus Callcenter-Gesprächen

Wir sind daran interessiert, Informationen aus korpusbasierten Gesprächen abzurufen, wie z. B. aus Callcenter-Daten. Diese Daten bestehen aus spontanen Sprachgesprächen mit niedriger Aufnahmequalität, was die automatische Sprachverarbeitung (ASR) zu einer äußerst schwierigen Aufgabe macht. Bei typischen Callcenter-Daten produzieren selbst modernste Systeme zur kontinuierlichen Spracherkennung mit großem Vokabular ein Transkript mit einer Wortfehlerrate von 30 % oder mehr. Neben dem ausgegebenen Transkript bieten fortschrittliche Systeme Wortverwirrungsnetzwerke (WCNs), eine kompakte Darstellung von Wortgitter, die jede Wortannahme mit ihrer posterioren Wahrscheinlichkeit verbindet. Unsere Arbeit nutzt die von WCNs bereitgestellten Informationen, um die Abruffrester zu verbessern. In diesem Papier zeigen wir, dass die mittlere durchschnittliche Präzision (MAP) bei Verwendung von WCNs im Vergleich zu den Roh-Transkripten verbessert wird. Schließlich analysieren wir die Wirkung der steigenden ASR-Wortfehlerrate auf die Suchwirksamkeit. Wir zeigen, dass die MAP selbst bei extrem hohen Fehlerquoten noch angemessen ist.