图灵汇官网

区分对话中的相关和无关部分是一项重要的生活技能，尤其对于像亚马逊Alexa这样的语音助手来说更是如此。为了恰当地回应用户的需求，无论是查询天气、查找附近餐馆还是追踪运输中的包裹，它们需要能够判断当前话题是否在其知识范围内。

亚马逊的研究人员开发了一种自然语言理解（NLU）系统，可以同时识别领域内（已知）和领域外（未知）的话题。这项研究将在9月初于印度海得拉巴举行的Interspeech会议上展示。

亚马逊Alexa团队的科学家、这篇论文的第一作者Yong-Bum Kim表示：“用户有时会提出一些不属于任何已知领域的请求，例如对尚未存在的服务的需求，或是随口说出的一些想法。如果NLU系统试图将领域外的话语归类到某一领域，可能会导致无效的回应。”

研究团队收集了两个包含语音命令的数据集，其中一个涵盖了21个不同领域，另一个则从1500个常见的Alexa技能中选取样本。在选择模型时，团队决定采用双向长短期记忆（Bi-LSTM）架构，这种架构可以按接收话语的顺序考虑各种因素，并且能同时处理前向和后向的数据序列。此外，团队还提供了“词级”和“字符级”的信息，包括嵌入（即将单词映射到100维空间中的点）以及构成字符的细节。

神经网络生成了有用的特征向量摘要，团队在将这些向量传递给第二个Bi-LSTM之前，将其与上述嵌入结合。这一过程有助于识别整个输入的摘要。

研究结果显示，该系统在给定目标上的分类准确性平均提升了6%。当在21个领域的数据集上进行训练时，系统的准确率达到了90.4%，远高于现有系统的83.7%。

Kim指出：“通过优化两个目标之间的平衡，我们显著提升了系统性能，该系统包括独立训练的领域分类器和领域外分类器。通过缩小可能的解释范围，领域分类器使得确定用户想要执行的操作变得更加高效。”