Como funcionam os “reconhecedores de intenções”?

Alexa da Amazon , Mix da Nuance e Wit.ai do Facebook usam um sistema semelhante para especificar como converter um comando de texto em uma intenção - ou seja, algo que um computador entenderia. Não sei ao certo qual é o nome "oficial" para isso, mas o chamo de "reconhecimento de intenção". Basicamente, uma maneira de passar de "defina minhas luzes para 50% de brilho" para lights.setBrightness(0.50).

A maneira como eles são especificados é solicitando que o desenvolvedor forneça uma lista de "declarações de amostra" associadas a uma intenção e opcionalmente identificadas com os locais de "entidades" (basicamente parâmetros). Aqui está um exemplo do Wit.ai:

Minha pergunta é: como esses sistemas funcionam? Como todos eles são muito parecidos, presumo que exista algum trabalho seminal que todos utilizem. Alguém sabe o que é isso?

Curiosamente Houndify usa um sistema diferente, que é mais parecido com expressões regulares: ["please"] . ("activate" | "enable" | "switch on" | "turn on") . [("the" | "my")] . ("lights" | "lighting") . ["please"]. Suponho que isso esteja integrado à busca por feixe do sistema de reconhecimento de voz, enquanto Alexa, Wit.ai e Mix parecem ter sistemas separados de Fala-> Texto e Texto-> Intenção.

Edit: Encontrei um ponto de partida - Um Mecanismo de Interação Humano-Robô através de Comandos Informais de Voz . Ele usa algo chamado Análise Semântica Latente para comparar enunciados. Eu vou ler sobre isso. Pelo menos, me deu um ponto de partida na rede de citações.

Edit 2: O LSA está comparando essencialmente as palavras usadas (Bag of Words) em cada parágrafo do texto. Não vejo como ele pode funcionar muito bem nesse caso, pois perde totalmente a ordem das palavras. Embora talvez a ordem das palavras não importe muito para esses tipos de comandos.

Editar 3: Tópico oculto Os modelos de Markov parecem interessantes.

machine-learning nlp Timmmm
fonte

Este post explica a classificação por intenção em detalhes: mrbot.ai/blog/natural-language-processing/…

znat

Isso parece usar o método "saco de palavras" que mencionei na minha pergunta. Basicamente, adicione os vetores de palavras na frase. Mas não pode ser assim que funciona. As interfaces de Wit e Nuance mostram que eles reconhecem entidades que palavras não podem fazer facilmente. Além disso, um conjunto de palavras perde todos os pedidos, portanto, algo como "Definir um alarme para 5 e 10" seria indistinguível de "Definir um alarme para 10 e 10". Deve haver algo mais acontecendo.

Timmmm 29/11

A extração de entidades é outro problema em que a sequência é importante. Se você tem um monte de dados de um Rnn irá trabalhar, em conjuntos de dados menores, que são freqüentes em chatbots, campos aleatórios condicionais funcionam muito bem

znat

Ok, então ... Estou procurando uma resposta mais detalhada do que "uma RNN funcionará". A maioria dos sistemas modernos de aprendizado de seqüência usa RNNs, o que parece um dado.

Timmm

intenções são sobre o significado geral das sentenças (média de vetores) e entidades são sobre o aprendizado do contexto (palavras ao redor) em que elas aparecem. Rnn ou CRF são apenas algoritmos que podem ser usados porque aprendem com sequências. Se você quiser aprender em detalhes, consulte o código-fonte Rasa

znat 29/11

Este post tem uma abordagem. Basicamente, eles usam um conjunto de palavras - eles convertem as palavras em vetores esparsos e as adicionam.

Parece funcionar razoavelmente bem, mas uma das principais falhas é a resposta, independentemente da ordem das palavras; portanto, você não pode fazer consultas como "Quantos quilos em uma libra", a menos que você as especifique.

No entanto, escrevi com Alexa e é bastante insensível às alterações na ordem das palavras, então talvez elas usem algo semelhante.

Timmmm
fonte

Curioso - que vantagem os vetores esparsos têm sobre o Naive Bayesiano? Tanto para mim resolver problemas linearmente separáveis com a ingênua suposição de bag-of-words

Angad

Como funcionam os “reconhecedores de intenções”?

Respostas: