Att förstå och bearbeta talreferenser är en stor utmaning för riktningen av naturlig språkbehandling i sammanhanget av AI-assistenter som Amazon Alexa. Det här problemet innebär vanligtvis att pronomen i användarfrågor korrekt associeras med underförstådda begrepp, till exempel att jämföra pronomenet "dem" i uttalandet "spela deras senaste album" med någon musikartist. AI-experter på Amazon arbetar aktivt med teknik som kan hjälpa AI att behandla sådana förfrågningar genom automatisk omformulering och ersättning. Så begäran "Spela deras senaste album" kommer automatiskt att ersättas med "Spela det senaste Imagine Dragons-albumet." I det här fallet väljs ordet som behövs för ersättning i enlighet med en probabilistisk metod som beräknas med hjälp av maskininlärning.
Forskare preliminärt resultat av hans arbete i ett förtryck med en ganska svår titel - "Skalande tillståndsspårning av multidomändialog med hjälp av frågeomformulering." Inom en snar framtid är det planerat att presentera denna forskning vid den nordamerikanska avdelningen av Association for Computational Linguistics.
"Eftersom vår sökmotor för omformulering använder allmänna principer för att applicera tallänkar, beror den inte på någon specifik information om applikationen där den kommer att användas, så den kräver inte omskolning när vi använder den för att utöka funktionerna hos Alexa," förklarade Arit Gupta (Arit Gupta), lingvistikexpert på Amazon Alexa AI. Han noterade att deras nya teknologi, kallad CQR (contextual query rewriting), helt befriar den interna röstassistentkoden från all oro över talreferenser i frågor.
Först bestämmer AI det allmänna sammanhanget för begäran: vilken information användaren vill ta emot eller vilken åtgärd som ska utföras. Under dialogen med användaren klassificerar AI nyckelord och lagrar dem i speciella variabler för vidare användning. Om nästa begäran innehåller någon referens, kommer AI:n att försöka ersätta den med de mest sannolika av de lagrade och semantiskt lämpliga orden, och om detta inte finns i minnet, kommer det att vända sig till den interna ordboken med de mest använda värdena , och bygg sedan om begäran med ersättningen tillämpad, för att skicka den vidare till röstassistenten för exekvering.
Som Gupta och kollegor påpekar fungerar CQR som ett förbearbetningslager för röstkommandon och fokuserar endast på de syntaktiska och semantiska betydelserna av ord. I experiment med en specialtränad datauppsättning förbättrade CQR frågenoggrannheten med 22 % när länken i den aktuella frågan hänvisar till ett ord som användes i det senaste svaret, och med 25 % när länken i det aktuella yttrandet hänvisar till ett ord från ett tidigare yttrande.
Källa: 3dnews.ru