배경

• 스케일이 커지는 대화 시스템을 개선하기 위해서 ASR이나 NLU, ER과 같은 모듈만을 개선하는 것은 효율적이지 않음 (아래 그림은 skill이 증가함에 따라 supervise에 대한 어려움이 있다는 것을 보임)

• 사용자가 적절한 메뉴얼의 발화를 못하여 문제가 생기지만 유저나 세션 전반적으로 봤을 때 이런 패턴이 반복됨
• 사용자와 시스템 간의 인터렉션 피드백 시그널을 가지고 개선을 할 수 있고자 하는 시스템을 만들고자 하였음
• 개선하고자 하는 부분은 시스템 입장에서 발생하는 에러가 아닌 시스템과 유저 입장에서 발생하는 에러임

메커니즘

• 한 세션의 발화 시퀀스 전이 상태를 표현하고 타겟 발화에 대해서는 satisfied 한 발화인지를 판별

• Absorbing Markov Chain을 통해 모델을 만들어 reachable 한 발화가 있는지를 예측하도록 함

• 메커니즘을 표현한 전체 수식

  

Absorbing Markov Chain

• 상태 전이 행렬이 존재할 시 이를 무한히 반복했을 때 특정 상태로 수렴되는 것을 이용한 방식
• 여기서는 이전 발화의 상태가 다음 발화의 상태로 전이되는 행렬이 있을 경우 무한하기 반복했을 경우 하나의 발화가 특정 상태(absorbing state)로 전이되도록 수렴
• 발화에 대해서 여러번 전이를 하게되면 성공 또는 실패라는 상태로 수렴될 수 있는 점이 활용 근거
• 여기서는 사용자가 한 세션 안에서 빈번하게 발생하는 발화 패턴을 찾는 것이 목적이라 보는 것 같음 (이와 같은 방법을 seq2seq 과 같은 딥러닝 모델에 적용하기는 어려울 것)
• Absorbing Markov Chain은 transient state와 Absorbing state로 구성되고 transient state들에 대해서 무한히 반복했을 때 전이 상태를 생성하여 표현함

Interpretation Space