Dialog trackers are one of the essential components of
dialog systems which are used to infer the true user goal from the
speech processing results.
We engineer a previous statistical dialog tracker by applying various algorithms to models of the tracker: the observation model and the belief refinement model.
And we propose new models which overcome limitations of the general belief update model of the tracker: the belief transformation model and the parameterized belief update model.
We describe our experience to build robust dialog state trackers
for the first Dialog State Tracking Challenge
(DSTC). We also report experimental results on a
number of approaches to the models, and compare the overall
performance of our tracker to other submitted trackers.
음성 대화 시스템은 사용자의 발화를 받아서 음성 인식, 자연어 처리의 언어 이해 과정을 거친다.
이 과정에서 발생하는 오류를 반영하여 사용자의 실제 의도를 파악하는 것은 음성 대화 시스템에서 중요한 문제이다.
이러한 사용자의 실제 의도를 보다 정확하게 추적하는 문제에 대해, 이 논문에서는 기존 Belief update 모델에 다양한 알고리즘을 적용하여 성능을 향상시켰다. 그리고 기존 모델의 한계를 해결한 새로운 추적기 모델인 Belief transformation 모델, Parameterized belief update 모델을 제시한다.
그리고 이 모델을 Dialog State Tracking Challenge (DSTC) 에 적용한 다양한 실험 결과를 통해 얻은 교훈과 시사점을 분석한다. 또한 DSTC 에 참가한 다른 추적기와 성능 비교 결과를 통해 제안한 추적기의 장단점을 분석하였다.
