描述对话语言理解

已完成

使用对话语言理解 (CLU) 时,需要考虑三个核心概念:话语、实体和意向。

陈述

言语是用户可能说的一句话而你的应用程序必须进行解读的示例。 例如:当使用家庭自动化系统时,用户可能会使用以下言语:

“打开风扇。”

“开灯。”

实体

实体是言语所指的项目。 例如以下言语里的风扇

打开风扇

""

你可以把风扇的实体视作特定的普通设备实体示例。

意向

意图是用户言语中表达的目的或目标。 例如,对于先前考虑的两句话语,其意向是打开设备;因此在你的 CLU 应用程序中,你可以定义一个与这些话语有关的“TurnOn”意向。

CLU 应用程序定义了一个由意向和实体组成的模型。 言语用于训练模型,使其根据给出的输入,识别出最有可能的意图以及应将其应用到的实体。 我们一直在考虑的家庭助理应用程序可能包含多个意图,例如以下示例:

Intent 相关言语 实体
问候语 "Hello"
“嗨”
“嘿”
“早上好”
打开 “打开风扇” 风扇(设备)
“开灯” 灯(设备)
“开灯” 灯(设备)
禁用 “关掉风扇” 风扇(设备)
“关灯” 灯(设备)
“关灯” 灯(设备)
CheckWeather “今天的天气如何?” 今天(日期时间)
“给我天气预报”
“对巴黎的预测是什么?” 巴黎(位置)
“明天西雅图的天气如何?” 西雅图(位置),明天(日期时间)
“生命的意义是什么?”
“这东西是打开的吗?”

表中每种意图对应多个语句。 意图应该是一个对言语任务进行分组的简洁方法。 特别有意思的是“无”意图。 应该考虑始终使用“”意图,帮助处理未映射所输入的任何语句的语句。 “”意图被认为是回退,通常用于在用户的请求与其他任何意图都不匹配时,向用户提供通用响应。

在 CLU 应用程序中使用样本话语定义实体和意向之后,可以训练语言模型来根据用户输入(即使它与样本话语不完全匹配)来预测意向和实体。 然后,可以使用客户端应用程序中的模型来检索预测,并进行适当响应。