亚马逊研究人员提高了Alexa解析命令的能力

 
诸如Amazon的Alexa，Apple的Siri和Google Assistant之类的语音助手通常依靠语义解析组件来了解针对语音命令执行的动作。传统上，基于规则的或统计的空位填充系统已用于解析简单的查询-即包含单个操作的查询。最近，提出了移位减少解析器来处理更复杂的话语。但是，这些方法虽然功能强大，但是却限制了可解析查询的类型，因为它们要求查询可表示为解析树。
因此，亚马逊的研究人员提出了一个统一的架构来处理简单和复杂的查询。他们断言，与其他方法不同，他们对语义解析模式没有任何限制。他们说，它在可公开获得的数据集上实现了最先进的性能-匹配精度比以前的系统提高了3.3%至7.7%。
“语音助手的主要部分是语义解析组件，旨在理解其用户请求的操作：鉴于语音的转录，语音助手必须识别用户请求的操作(播放音乐，打开灯光等研究人员在预印本论文中详述了他们的工作，并分析了任何实体，以进一步完善要执行的动作(播放哪首歌曲?打开哪盏灯?)。 “尽管在自然语言处理(NLP)领域取得了巨大进步，但是由于用户可以使用大量可能的组合来表达命令，因此这项任务仍然具有挑战性……随着虚拟助手对用户的期望越来越高，需要以便系统处理更复杂的查询。”
Amazon Alexa解析
研究人员的系统由序列到序列模型组成，该模型旨在将固定长度的输入与固定长度的输出映射(其中输入和输出的长度可能不同)，并与指针生成器网络配对，该指针生成器网络从通过指向源文本。预训练的BERT模型用作编码器，而解码器则在Transformer之后建模，并使用上述指针网络进行扩充。这使框架能够学习在目标序列中生成指针(即，来自目标词汇表的单词，这些单词由解析符号组成，而单词只是指向源代码的指针)。
该团队在五个不同的数据集上测试了该方法-三个公开数据集和两个内部数据集。在公共语料库中，有Facebook的面向任务的解析(TOP)，它包含复杂的层次结构和嵌套查询，这使语义解析的任务更具挑战性。 SNIPS，用于训练和评估语音助手的语义解析模型;以及航空旅行信息系统(ATIS)，这是一种流行的口语理解数据集。在内部，团队从用于训练和测试Amazon Alexa的数百万种言语中分离出了集合，特别是，来自音乐领域的620万种训练和200,000种言语，以及一种来自视频领域的100万种训练和5,000种测试言语。
研究人员在装有八张Nvidia Tesla V100图形卡的机器上训练了系统之后，每张图形卡具有16GB的视频内存，研究人员说，他们设法将TOP数据集的精度提高了3.3%。他们说，在SNIPS和ATIS数据集上，他们方法的最佳版本“显着”提高了现有基准(分别为7.7%和4.5%)的准确性，并使内部音乐话语语料库的准确性提高了1.9%。