User simulation for statistical dialogue systems

Abstract

Cílem této práce je vytvořit a evaluovat simulátory uživatele pro statistický di- alogový stystém. Simulátory pracují na úrovni dialogových aktů. Jako baseline systém jsme implementovali bigramový simulátor. Tento simulátor jsme dále up- ravili na další variantu, která je trénovaná na dialogových aktech bez hodnot slotů. Třetí implementovaný simulátor je podobný řízení dialogu dialogovým manažerem. Simulátor si udržuje stav dialogou a na jeho základě se učí dialogov- ou strategii pomocí řízených metod strojového učení. Simulátory uživatele jsou implementovány v jazyce Python 2.7, ve frame- worku ALEX pro vývoj dialogových systémů. Jsou vyvinuty pro aplikaci PTICS, která komunikuje v doméně informací o veřejné hromadné dopravě. Pro trénování a vyhodnocení simulátorů používáme reálná data nasbíraná aplikací PTICS z ko- munikací uživatelů s dialogovým systémem. 1

The purpose of this thesis is to develop and evaluate user simulators for a spoken dialogue system. Created simulators are operating on dialogue act level. We implemented a bigram simulator as a baseline system. Based on the baseline simulator, we created another bigram simulator that is trained on dialogue acts without slot values. The third implemented simulator is similar to an implemen- tation of a dialogue manager. It tracks its dialogue state and learns a dialogue strategy based on the state using supervised learning. The user simulators are implemented in Python 2.7, in ALEX framework for dialogue system development. Simulators are developed for PTICS application which operates in the domain of public transport information. Simulators are trained and evaluated using real human-machine dialogues collected with PTICS application. 1