Acceso usuarios
Uno de los aspectos más complejos de cualquier sistema de diálogo consiste en identificar la intención del usuario y en distinguir los errores de reconocimiento. En este artículo presentamos una nueva aproximación a la tarea de decidir qué ha dicho el usuario y qué quiere hacer en cada momento del diálogo. Para ello empleamos clasificadores estadísticos dirigidos por medidas de confianza generadas en paralelo por varios reconocedores adaptados a los diferentes temas del diálogo. Esta aproximación se ha mostrado especialmente adecuada para temas difíciles, como los nombres propios o las confirmaciones. La arquitectura utilizada mejora sustancialmente la tasa de reconocimiento y permite identificar la intención del usuario y detectar los cambios de tema
One of the most difficult aspects of any dialogue system is the identification of user intention and recognition errors. In this paper, we present a novel approach to the task of deciding what the user has said and what she wants to do next. We use statistic classifiers driven by confidence measures which are generated in parallel by several topic-adapted speech recognizers. This approach has shown to be especially suited for difficult topics, such as proper names or confirmations. Recognition performance is greatly enhanced through the use of this architecture, which helps also in the identification of user intention and user-initiated topic change
