“K 가설 + 기타” 신념 업데이트 모델

구두 대화 시스템은 일반적으로 잠재적인 오해를 방지하기 위해 인식 신뢰도 점수에 의존합니다. 신뢰도 점수는 사용자로부터 얻은 정보의 신뢰성을 초기 평가하는 데 도움이 될 수 있지만, 이상적으로 시스템은 후속 사용자 응답에서 얻을 수 있는 정보를 활용하여 신념의 정확성을 업데이트하고 개선해야 합니다. 이 문제를 해결하기 위한 기계 학습 기반 솔루션을 제시합니다. 우리는 주어진 시간에 각 개념에 대해 최대 k개의 가설을 추적하는 신념의 압축 표현을 사용합니다. 업데이트를 수행하기 위해 일반화된 선형 모델을 훈련합니다. 실험 결과는 제안된 접근 방식이 기존 시스템에서 이 작업에 사용되는 휴리스틱 규칙보다 상당히 우수하다는 것을 보여줍니다. 또한 혼합 주도 구두 대화 시스템을 통한 사용자 연구는 이 접근 방식이 작업 성공과 상호작용의 효율성에서 상당한 향상을 가져온다는 것을 보여줍니다.