“意图识别器”如何工作？

亚马逊的Alexa，Nuance的Mix和Facebook的Wit.ai都使用类似的系统来指定如何将文本命令转换为意图，即计算机可以理解的东西。我不确定这的“正式”名称是什么，但我称其为“意图识别”。基本上是从“请将灯光设置为50％亮度”到的一种方法lights.setBrightness(0.50)。

指定方法的方式是，让开发人员提供与意图相关的“样本话语”列表，并可选地标记“实体”（基本参数）的位置。这是Wit.ai的示例：

我的问题是：这些系统如何工作？由于它们都非常相似，因此我认为它们都有一些开创性的成果。有谁知道它是什么？

有趣的是，Houndify使用了一个更类似于正则表达式的系统["please"] . ("activate" | "enable" | "switch on" | "turn on") . [("the" | "my")] . ("lights" | "lighting") . ["please"]。我认为这已集成到他们语音识别系统的波束搜索中，而Alexa，Wit.ai和Mix似乎具有单独的“语音”->“文本”和“文本-> Intent”系统。

编辑：我找到了一个起点- 一种通过非正式语音命令进行人机交互的机制。它使用一种称为“潜在语义分析”的方法来比较话语。我将继续阅读。至少它为我提供了引文网络的起点。

编辑2： LSA本质上是比较文本每一段中使用的单词（单词袋）。我看不到它在这种情况下如何很好地工作，因为它完全失去了单词顺序。尽管对于这些类型的命令来说，单词顺序并不重要。

编辑3： 隐藏主题马尔可夫模型看起来可能很有趣。

尽管未直接回答您的问题，但您可能对自动问题解答领域感兴趣。要回答自然语言文字问题，必须首先理解它们，这与您的问题重叠。

Jurafsky和Manning的课程是很好的资源。特别是关于语义和问题解答的部分可能会帮助您寻找所需的内容。YouTube上有可用伴音的演讲视频在这里。

这篇文章有一个方法。基本上，他们使用成袋的单词-将单词转换为稀疏向量，然后将它们加起来。

它看起来似乎工作得很好，但是一个主要缺陷是答案与词序无关，因此，除非您对它们进行特殊处理，否则您将无法进行“一磅多少公斤”之类的查询。

但是我用Alexa编写了文本，并且它对单词顺序的变化不敏感，因此也许他们确实使用了类似的东西。