Amazon Echo：语法，语义，意图和目标：随着时间的流逝。

所以我陷了。 即使带着我所有的苹果设备，我还是买了一台Amazon Echo 。 我已经吃了一个多星期了，我迷上了。 我们使用它来播放音乐，检查天气并设置计时器-所有现成的功能。 您可能会想，“这只是房间中的Siri”。 这是一个观点。 从不同的角度来看，Alexa（用于与Echo交互的名称）将改变一切，并将物联网（IoT）推向大众。 无论如何，我对NLP所走的距离感到惊讶。

沿着这些思路，我最近在本周进行了一次关于机器对机器接口（API）中的语法和语义的学术讨论，以及它们如何与用户/消费者意图相关-特别是您是否可以从捕获的REST调用中推断出用户意图。 。 （FWIW-我相信您可以推断出意图（至少是它的一些概念），尽管它可能只是用户目标的一部分，并且可能无意中与调用的语义不一致。）

有了新的想法，我发现Echo的开发人员API特别调用“意图”并将其定义为：

“在Alexa应用程序的上下文中，意图表示满足用户语音请求的高级操作。 Intent可以选择包含称为slot的参数。 请注意，Alexa应用程序的意图与Android意图没有任何关系。” – Echo Developer：入门指南

那使我怀旧。 我很喜欢NLP的日子，而且看到这些年来的情况真是太了不起了……

（ 注意：以下内容几乎完全是出于自我服务，您可能不会从中得到任何帮助。对于您因阅读本书而浪费的任何时间，我概不负责；）

我开始在Unisys的自然语言处理（NLP）小组工作时才18岁。 当您拨入客户服务电话并收到任何其他信息时，我是在电话另一端构建这些可怕语音识别系统的众多开发人员之一。 我们让最终用户感到沮丧，但是-我不得不和一些了不起的人一起工作： 黛比·达尔 （ Debbie Dahl） ， 比尔·舒尔茨 （ Bill Scholz ）和吉姆·欧文 （ Jim Irwin） 。

而且我们认为我们很聪明。 我们构建了各种工具，可帮助将文本映射到动作 （“意图”）中，并构建了新的带位置标记的Web服务器以进行语音识别 。 当时是美好的时光，但坦率地说，我们只是在给人带来痛苦。 语音识别还没有。 我们花了一些时间来尝试正确地设计问题，以指导用户使用某些术语进行回答，从而使语音识别系统更轻松。 （年份是（1995-1999ish）

在那之后的一段时间里，我与语音识别无关。 我仍然很喜欢NLP，因此继续构建了一个系统来自动进行电子邮件路由和客户服务响应。 之所以有效，是因为它是数字游戏。 如果系统有足够的信心来回答50％的客户询问，则意味着他们不需要人工来响应该子集，从而节省了麻烦。 我们继续将其扩展为通过Web实时发布即时消息（ Kana IQ ）。 再次， 在此过程中经历了很多好时光和大量的脑力劳动/专利，我们为自己弄清楚如何将贝叶斯推理引擎映射到语法而表示祝贺。 （1999-2001ish）但是，我们无法在没有人工支持的情况下将系统直接置于消费者手中。

但是，正是在这段时间里，我开始意识到两者之间的区别：语法，语义，意图和目标。 这里是简单的定义：

语法 ：单词和短语的排列，以创建一种语言形式良好的句子。

语义 ：与意义有关的语言学和逻辑学分支。

目的 ：完成或创建某件事或存在某事的原因。

目标 ：一个人的野心或努力的目标； 目标或预期结果。

考虑将字符串中的字符作为输入并将其转换为有助于用户实现其目标的操作的过程。 首先，您需要考虑语法 。 在此过程的这一部分，您将无用的字符串转换为相关的标记。 有很多方法可以做到这一点，还有很多难题（例如，语音标记的一部分）等。回到布朗时，我很高兴在尤金·查尼亚克（Eugene Charniak）的带领下学习，他的《统计自然语言学习》一书成为人们的最爱。 （最初讨厌它一个学期后；）。 从那门课程开始，我就不再使用上下文无关语法（CFG）和图表分析，尝试将单词标记在句子中彼此关联。

有了相关的标记后，您就会知道词性（ADJ，NOUN等）以及它们之间的关系（ADJ _modify_

通过图表解析，您可以尝试分配语义。 恕我直言-这是困难的部分。

假名（Kana）之后，我在一家公司工作，该公司记录了患者/医生的对话，将其转录，然后尝试对其进行计算语言学。 如果您可以想象，试图分辨出“症状”和“副作用”是非常困难的。 您不仅需要扎实的解析来关联句子中的术语，而且还需要一个知识库来了解这些术语的含义以及使用它们的上下文。 在这个阶段，我们为这些术语分配含义。 （即语义）当然，我们将Hadoop用于NLP处理，但是更多的功能并没有转化为更好的结果……（现在为2008-2010ish）

即使假设您可以正确分配语义，您也可能会误解公报的意图。 即使在人与人之间进行交流时，这种情况一直都在发生。 英语是一种可怕的语言。 机器也可能发生同样的事情。 但是，您必须更多地假设，假设您可以解析句子（即分配语法），并且可以解释含义（即语义），则可以从文本胡言乱语中推断出一些意图的概念。 否则，沟通只会从根本上中断。

考虑到所有这些-回到Echo。

亚马逊钉牢了它。 我看到20年来NLP的挫败感在一个12英寸的圆柱体中得以解决。 它很少会错过语音识别功能。 他们有一个出色的引擎将音素带入“意图”，使开发人员可以在最高层进行插件。 嘘 赋予力量。 我可能只是为Echo构建一个应用程序。 也许是AWS集成-“ Alexa，请将我的AWS集群扩展10个节点”。 可以治疗的。 ;）

翻译自: https://www.javacodegeeks.com/2015/06/amazon-echo-syntax-semantics-intents-and-goals-nlp-over-time.html