Uso de información contextual en la interfaz de entrada de un sistema de diálogo

Abstract

Este artículo propone una nueva técnica cuya finalidad es mejorar el funcionamiento de la interfaz de entrada de los sistemas de diálogo combinando las ventajas que presentan las gramáticas dependientes e independientes de los prompts generados por dichos sistemas. La técnica propone la creación de un reconocedor del habla denominado a dos niveles ya que consta de dos módulos. El primer módulo es un reconocedor estándar de habla continua que recibe la voz del usuario y produce como salida un grafo de palabras. El segundo módulo es un analizador de grafos cuya función es procesar la salida del primer módulo teniendo en cuenta el prompt generado por el sistema de diálogo. Aplicando la técnica se ha evaluado el funcionamiento de la interfaz de entrada de un sistema de diálogo. Los resultados experimentales muestran que cuando se procesan frases en-contexto, las tasas de exactitud de palabras y comprensión de frases se incrementan en un 4,09% y 4,19%, respectivamente, mientras que cuando se procesan frases fuera-contexto, las tasas de exactitud y comprensión se incrementan en un 87,74% y 82,04%, respectivamente.

This paper proposes a new technique that aims to enhance the performance of the input interface of spoken dialogue systems by means of combining the advantages of the prompt-dependent and prompt-independent grammars used by these systems. The technique proposes creating a two-level speech recogniser since it contains two modules. The first one is a continuous-speech standard recogniser that receives the user voice and produces as output a graph of words. The second one is a word-graph analyser that processes the output of the first module considering the prompt generated by the dialogue system. The input interface of a spoken dialogue system has been evaluated using the technique. The experimental results show that when the in-context utterances are analysed, the speech recognition and understanding rates increase in 4.09% and 4.19%, respectively. They also show that when the out-of-context utterances are analysed, the speech recognition and understanding rates increase in 87.74% and 82.04%, respectively.