新的AI技术针对Alexa的上下文理解

 
在整个多圈对话中，对话状态跟踪，或估计和监控一个人的目标，是Alexa确定用户想要的方式之一。通过将对话历史记录与最新命令相结合，亚马逊的智能助理可以更好地将插槽名称(例如酒店的价格或其星级评分)映射到插槽值或对话中提到的实体。
Alexa已经非常有效地进行对话状态跟踪，但亚马逊研发部门的科学家团队认为还有改进的余地。在一份新的论文(“对话状态跟踪：一种神经阅读理解方法”)中，计划在国际语言交流协会的话语和对话特别兴趣小组上发表，他们提出了一个人工智能系统，将对话状态跟踪制定为一个经典问题 – 回答问题。换句话说，他们的机器学习模型在读取会话段后决定每个槽名称的槽值。
该团队报告称，他们的技术在定性测试中的插槽跟踪精度比先前技术水平提高了6.5%，并且在开发数据数据集上每插槽的准确度高达96%。
所讨论的系统包括三个模型，第一个模型预测插槽名称和插槽值对是否需要从前一轮转移或在当前转弯处更新。如果插槽残留模型更新插槽名称和插槽值对，则单独的插槽类型算法从四个值(“是”，“否”，“不关心”和“跨度”)预测插槽值的类型。对于第三个也是最后一个模型，如果槽模型将类型分类为“Span”，它将从对话框中提取槽值范围。
Alexa AI group在一篇博客文章中应用科学家Shuyang Gao解释说，这些机器学习方法提取了基于阅读理解的问答的答案，作为连续单词的跨度。这消除了为每个时隙计算数千或数百万个值的分布的需要。此外，将它们与传统的状态跟踪框架相结合，进一步提高了时隙跟踪精度。
“从历史上看，对话状态跟踪的研究主要集中在估算给定时隙所有可能值的分布的方法上。但现代任务导向的对话系统存在规模问题，“高写道。 “机器阅读理解是一个活跃的研究领域，近年来取得了很多进展。通过将其与对话状态跟踪相结合，我们可以利用基于阅读理解的方法，并为面向任务的对话系统开发强大的新模型。“