理解与回答不完整问题

语音助手在用户提问中间停顿时会中断对话，这种令人沮丧的交互需要用户重新完整地重复整个问题。这一问题影响所有用户，但对认知障碍用户影响更大。在人人对话中，人们能够理解已说出的话语，自然地恢复这种情形。本文构建了答案处理管道，解析不完整问题并按照人类恢复策略进行修复。我们在新的语料库SLUICE上评估了这些管道，该语料库包含21000个来自LC-QuAD 2.0和QALD-9-plus的中断问题及其对应的未指定SPARQL查询。与获得完整问题的系统相比，我们最优的部分理解管道回答的问题仅少0.77%。结果表明，我们的管道能够正确识别提供答案所需但尚未由不完整问题提供的信息，也能准确识别该缺失信息在问题语义结构中的位置。