Exemples de sistemes de diàleg al TALP

Desarrollo de un Sistema de Diálogo para Habla Espontánea en un Dominio Semántico Restringido (98 - 01)– Desenvolupar una interfície telefònica per a una

tasca concreta. Consultes sobre horaris i preus de trens regionals i grans línies de RENFE

– Financiat per la CICYT– Colaboració amb altres universidats (UPV,

UV, UJC, UZ)

Exemple de projecte

• Adquisició de corpus (conjunt d’exemples) per estudiar cóm l’usuari s’expressa quan demana informació sobre trens

• Estudiar i desenvolupar el sistema de reconeixement de veu, comprensió del llenguatge i sistema de generació de resposta

• Desenvolupament d’un prototipus per consultes telefòniques en castellà sobre els trens de RENFE

Tasques del projecte

• Tasca ben delimitada. Fàcil d’entendre• Vocabulari estable i regular. No

aparèixen paraules estrangeres (Si en informació sobre viatges en avió o espectacles)

• Les converses són riques ( iteracció entre usuari- domini)

• 2 corpus : – persona-persona– Mago de OZ

Elecció de la tasca

• 200 converses que trucaven al centre d’informació RENFE. Consultes reals (no simulacions)

• Trucades des de Barcelona. En castellà

• Es van escollir exemples variats• Recollir les diferents maneres

d’expressar les consultes• Llenguatge massa complex pels

sistemes que es disposaven

Adquisició del corpus persona-persona

• Utilitzat per acabar de definir la tasca– No incloure trens de rodalies : massa

complexitat lèxica– Si viatges de anar-tornar i classes– No consultes sobre altres serveis relacionats

(restaurants, abonaments, reserves,..)

• Dissenyar el controlador de diàleg i generació de resposta

• Preparar un segon corpus persona-màquina

Adquisició del corpus persona-persona

• Les persones s’expresssen diferent quan saben que parlen a una màquina

• El sistema Mago-de-Oz permet recollir exemples de cóm parla l’usuari a un sistema abans de tenir el sistema

• “Enganyar” a l’usuari

• Si es disposa de “part” del sistema (ex. Reconeixedor), millor utilitzar-lo

Adquisició del corpus Mago-de-Oz

• Utilitzava sistema de text a veu per donar similitud

• Definició de l’estrategia a seguir per dónar informació a l’usuari. Regles:– Si pregunta sobre horaris o preus sense dir

destí ---> preguntar destí– Si el resultat d’una consulta són més de 3 trens

---> donar el nº de trens i el primer i últim

• Preparació de les respostes. (Plantilles predefinides)

Adquisició del corpus Mago-de-Oz

• Com aconseguir que la gent participi– Connectar el sistema a un punt de servei real.

(Pot resultar difícil).

• Preparar a la gent que participi. 75 persones Consultes:– 2 escenaris definits

• Horaris del primer tren de Castelló a València

– 1 escenari més obert• Demanar informació sobre un tren

Adquisició del corpus Mago-de-Oz

225 sessions– Senyals adquirides (un canal d’entrada i un de

sortida)– Segmentació entre torns– Text associat a cada torn– Símbols per indicar fenòmens estranys:

• Paraules mal pronunciades• Soroll extern

Adquisició del corpus Mago-de-Oz

aTTemps (accès telefònic al Temps)

– aTTemps is an automatic system to access meteorological information by phone.

– Supported by• Catalunya Government• Universitat Politècnica de Catalunya• Universitat de Barcelona

Exemple de projecte (II)

Provides personalized real-time data on a set of

meteorological conditions on each place of the Catalan geography

In Catalan language

http://www.smc.gencat.es

Project: aTTemps (accès telefonic al Temps)

The Dialogue Manager Module in aTTemps (I)

Main goals

• Provide the right information in minimum time

• Guiding the user in order to avoid situations where she will be lost

System: Welcome to the ATTEMPS meteorological warning and information system. You can always say help, correction, repetition or exit. From which Catalan place do you want information, or do you want to establish a warning?

User: I am interested in Barcelona, please.

System: From Badalona, which information do you need?

User: I want to correct, not from Badalona.

System: From which Catalan place do you want information

User: I want to know the weather right now in Barcelona.

System: From Barcelona, which information do you need?

User: I need the temperature, please.

System: In the last measure at 14:30h, the temperature was 20 degrees. Do you need any other information

User: No, thanks.

System: Thanks for calling

aTTemps : An example of conversation

The Dialogue Manager Module in aTTemps (II)

Strategy

• Dialogue Flow. Barge-in

• Confirmation policy

• Implicit as a general rule

• Explicit in critical situations

• Amount of Data per Turn

• Considering the complexity

• Helping features. Helping messages

• Language generation

• Using templates