Razumijevanje i obrada govornih referenci veliki je izazov za smjer obrade prirodnog jezika u kontekstu AI pomoćnika kao što je Amazon Alexa. Ovaj problem obično uključuje ispravno povezivanje zamjenica u korisničkim upitima s impliciranim pojmovima, na primjer, usporedbu zamjenice "oni" u izjavi "sviraj njihov najnoviji album" s nekim glazbenim umjetnikom. Stručnjaci za umjetnu inteligenciju u Amazonu aktivno rade na tehnologiji koja bi mogla pomoći AI obraditi takve zahtjeve putem automatske preformulacije i zamjene. Dakle, zahtjev "Sviraj njihov najnoviji album" automatski će biti zamijenjen sa "Sviraj najnoviji album Imagine Dragons." U ovom slučaju, riječ potrebna za zamjenu odabire se u skladu s probabilističkim pristupom izračunatim pomoću strojnog učenja.
Znanstvenici preliminarni rezultat njegovog rada u preprintu prilično teškog naslova - “Skaliranje stanja praćenja multi-domain dialogue using query reformulation.” U bliskoj budućnosti planira se prezentirati ovo istraživanje u sjevernoameričkom ogranku Association for Computational Linguistics.
"Budući da naš mehanizam za reformuliranje upita koristi opća načela za primjenu govornih veza, ne ovisi o bilo kakvim specifičnim informacijama o aplikaciji gdje će se koristiti, tako da ne zahtijeva ponovnu obuku kada ga koristimo za proširenje mogućnosti Alexa," objasnio je Arit Gupta (Arit Gupta), stručnjak za lingvistiku u Amazon Alexa AI. Napomenuo je da njihova nova tehnologija, nazvana CQR (contextual query rewriting), potpuno oslobađa interni kod glasovnog asistenta od bilo kakve brige o govornim referencama u upitima.
Prvo, AI utvrđuje opći kontekst zahtjeva: koje informacije korisnik želi primiti ili koju radnju treba izvršiti. Tijekom dijaloga s korisnikom, AI klasificira ključne riječi, pohranjuje ih u posebne varijable za daljnju upotrebu. Ako sljedeći zahtjev sadrži bilo kakvu referencu, AI će je pokušati zamijeniti najvjerojatnijim od pohranjenih i semantički prikladnih riječi, a ako toga nema u memoriji, obratit će se internom rječniku najčešće korištenih vrijednosti. , a zatim ponovno izgradite zahtjev s primijenjenom zamjenom kako biste ga proslijedili glasovnom pomoćniku na izvršenje.
Kao što Gupta i kolege ističu, CQR djeluje kao sloj predprocesiranja za glasovne naredbe i fokusira se samo na sintaktička i semantička značenja riječi. U eksperimentima s posebno obučenim skupom podataka, CQR je poboljšao točnost upita za 22% kada se poveznica u trenutnom upitu odnosi na riječ koja je korištena u najnovijem odgovoru i za 25% kada se veza u trenutnom izgovoru odnosi na riječ iz prethodnog iskaza.
Izvor: 3dnews.ru