Intents in Sprachdialogen: Eine Praxisperspektive

Authors: Benjamin Weiss, Stefan Hillmann, Sebastian Möller

Abstract:

Für den englischsprachigen SGD Datensatz wurden die originale Annotation von Dialogakten und Intents aus der Dialog State Tracking Challenge 8 mit einer auf CUED basierenden, schlankeren Annotation anhand von automatischen Erkennungsergebnissen verglichen. Dazu wurden die beiden Intenterkenner DIET (Rasa, mit drei verschiedenen Embeddings) und ClassifierDLApproach (SparkNLP, mit einem weiteren Embedding) verwendet. Ergebnisse zeigen die höchste Leistung für DIET mit ConveRT Embedding für die Original- und Zielannotation. Die auf CUED basierende Zielannotation ist nicht nur schlanker, und damit universeller und einfacher einzusetzen, sondern zeigt auch für den verwendeten Datensatz eine leicht bessere Erkennung der Dialogakte, was insgesamt für die Verwendung von CUED spricht.