USING DIALOG CONTEXT TO IMPROVE LANGUAGE UNDERSTANDING

• Main Authors: MANSOUR, Riham, HANNA, Carol, WANAS, Nayer, YOUSEF, Kareem, EMARA, Basma, SHAHIN, Youssef
• Format: Patent
• Language: English; French
• Published: 05.11.2020
• Subjects: ACOUSTICS; CALCULATING; COMPUTING; COUNTING; ELECTRIC DIGITAL DATA PROCESSING; MUSICAL INSTRUMENTS; PHYSICS; SPEECH ANALYSIS OR SYNTHESIS; SPEECH OR AUDIO CODING OR DECODING; SPEECH OR VOICE PROCESSING; SPEECH RECOGNITION

Described herein is a mechanism for improving the accuracy of a language model interpreting short input utterances. A language model operates in a stateless manner, only ascertaining the intents and/or entities associated with a presented input utterance. To increase the accuracy, two language understanding models are trained. One is trained using only input utterances. The second is trained using input utterance-prior dialog context pairs. The prior dialog context is previous intents and/or entities already determined from the utterances in prior turns of the dialog. When input is received, the language understanding model decides whether the input comprises only an utterance or an utterance and prior dialog context. The appropriate trained machine learning model is selected and the intents and/or entities associated with the input determined by the selected machine learning model. L'invention concerne un mécanisme pour améliorer la précision d'un modèle de langage interprétant des énoncés d'entrée courts. Un modèle de langage fonctionne sans état, ce qui permet de déterminer uniquement les intentions et/ou les entités associées à un énoncé d'entrée présenté. Pour augmenter la précision, deux modèles de compréhension de langage sont entraînés. L'un est entraîné à l'aide uniquement d'énoncés d'entrée. Le second est entraîné à l'aide de paires énoncé d'entrée-contexte de dialogue antérieur. Le contexte de dialogue antérieur représente des intentions et/ou des entités précédentes déjà déterminées à partir des énoncés dans les moments précédents du dialogue. Lorsqu'une entrée est reçue, le modèle de compréhension de langage décide si l'entrée comprend uniquement un énoncé ou un énoncé et un contexte de dialogue antérieur. Le modèle d'apprentissage machine entraîné approprié est sélectionné et les intentions et/ou les entités associées à l'entrée sont déterminées par le modèle d'apprentissage machine sélectionné sélectionné.