自然語言了解理論實踐-主要的語言了解任務(一)《個人學習筆記》

自然語言了解理論實踐

• 主要的語言了解任務
• • 1、域檢測和意圖識别
  • 2、填槽

希望能多多交流，共同學習進步

主要的語言了解任務

首先，以介紹人機對話系統中使用語言了解為目标任務，進行之後的理論和實踐背景的依據，來盡可能詳細闡述清楚語言了解（SLU）這一重要的人工智能技術。

語言了解主要以域檢測D、意圖識别I 和填槽S為主要的任務；

1、域檢測和意圖識别

域檢測或者意圖識别 旨在檢測出一句語言中若幹個語義類。比如 說：我想明天從北京乘高鐵去上海。當然每個人表達的方式可能不同，存在自由度（比如另個人說：想查詢一下後天去上海的高鐵班次），但是其語言中存在清晰的結構，并從結構出能分析出明确的意圖，并通過從控制少量的訓練資料就可以很好的進行歸納，即通過特定的詞就可以明确說話者的意圖.具體分析以上的語言‘乘高鐵’或者‘高鐵班次’可以了解為語義類‘列車班次’。在傳統的文本統計方法中可以将特定文本x中i的機率最大化，例如後驗機率p(i/x)。

2、填槽

首先語言域的語言結構是根據語義架構定義，每個語義架構都包括幾個稱為‘槽’的類型元件。填槽可以了解為話語分類，目的是根據說話者語言對每個語義結構中的槽位進行分類。

這樣就讓機器完成了對語言的‘了解’，現在看來在我們所認為的‘了解’在機器看來就是一個分類的任務，尋找一個最優的槽更是回到了我們上學所熟悉的找最優解求解任務，是的，正是如此，最開始傳統的語言了解任務就是通過統計機率進行尋找最優解，而接着出現的深度學習神經網絡這一逼近定理将過程複雜化。

簡單點說語言了解任務可以了解為三個關鍵任務分别是：

1、域分類：使用者在談論什麼，例如 旅行；

2、意圖識别： 使用者想要做什麼，例如想定一班列車；

3、填槽：這項任務參數是什麼，例如 幾月幾日去上海的列車。

三個重要的任務同時也反映了人類在了解語言的動作過程，隻是機器将這些刨析出來，一個一個去解決。