This proposed stochastic dialogue management which is based on frame based model that Korean spoken dialogue management system. To support this theory, I used constitution of bayesian network and confidence application of utterance recognition s...
This proposed stochastic dialogue management which is based on frame based model that Korean spoken dialogue management system. To support this theory, I used constitution of bayesian network and confidence application of utterance recognition system for dialogue slot. In addition, I also used utterance satisfaction rate for solving substitute and ommission condition. Moreover, I used system utterance inference and distance measure for proper response inference.
Proposed Stochastic dialogue management simplified utterance information using the dialogue slot that composed bayesian network based intention inference and speech recognition confidence. And it reduced re-utterance rate because utterance satisfaction check solved substitute problems and omission condition. In addition, it is able to infer proper response through system response inference.
This compared response rate between applying this stochastic dialogue management and conventional method. The confidence rate was raised by 4%, the inference of response was raised by 8%, and the frequency of re-utterance was reduced by 1.2times. Therefore, I identified the validity of stochastic dialogue management system by 92% success rate.
Stochastic dialogue management in this expected to get useful result when it apply spoken dialogue based system.
본 논문에서는 한국어 기반의 음성 대화 시스템에서 프레임 기반 모델을 기초로 한 통계적 대화 관리에 관하여 제안하였다. 이를 위해 Dialogue Slot 구성을 위한 베이지안 네트워크의 구성과 ...
본 논문에서는 한국어 기반의 음성 대화 시스템에서 프레임 기반 모델을 기초로 한 통계적 대화 관리에 관하여 제안하였다. 이를 위해 Dialogue Slot 구성을 위한 베이지안 네트워크의 구성과 음성 인식기의 신뢰도 적용, 생략 현상과 대용어 해결을 위한 발화 만족도 검사 그리고 적절한 응답 추론을 위한 시스템 발화 추론 및 거리 측정을 이용하여 통계적 대화 관리를 제안하였다.
제안된 통계적 대화 관리는 입력 발화를 베이지안 네트워크를 통한 의도 추론과 음성 인식 신뢰도에 기반하여 Dialogue Slot으로 구성하여 발화 정보를 간략화하고, 발화 만족도 검사로 생략 현상 및 대용어에 대한 문제를 해결하여 재발화량을 감소하도록 하며, 시스템 응답 추론을 통해 적절한 응답을 추론할 수 있도록 하였다.
제안된 통계적 대화 관리를 적용하여 사용할 때와 통계적 대화 관리에서 제안된 방법을 적용하지 않은 기존의 방법을 사용했을 때의 응답률을 비교 평가하였는데, Dialogue Slot 구성을 위한 신뢰도를 적용하였을 경우 입력 문장에 대해 4% 신뢰도가 향상 되었으며, 발화 만족도 검사를 통해 재발화 수를 평균 1.2회 줄었으며, 응답 추론은 기존의 방법보다 8%의 향상률을 보였다. 전체적으로 통계적 대화 관리를 사용했을 경우 92%의 정확도를 보임으로써 유효성을 입증하였다.
본 논문에서 제안한 프레임 기반 모델에 기반한 통계적 대화 관리는 음성 대화 위주의 음성 대화 시스템에 적용 시 실용 가능한 결과를 얻을 수 있으리라 기대된다.
，韩语毕业论文，韩语毕业论文 |
