生態(tài)合作

C A S E S H O W

警務(wù)信息采集設(shè)備及系統(tǒng) NLP自然語(yǔ)言處理 NLU自然語(yǔ)言理解正道智能語(yǔ)音識(shí)別

NLU自然語(yǔ)言理解

自然語(yǔ)言理解（Natural Language Understanding，NLU）以語(yǔ)言學(xué)為基礎(chǔ)，融合邏輯學(xué)、心理學(xué)和計(jì)算機(jī)科學(xué)等學(xué)科，試圖解決以下問(wèn)題：語(yǔ)言究竟是怎樣組織起來(lái)傳輸信息的？人又是怎樣從一連串的語(yǔ)言符號(hào)中獲取信息的？換種表達(dá)就是，通過(guò)語(yǔ)法、語(yǔ)義、語(yǔ)用的分析，獲取自然語(yǔ)言的語(yǔ)義表示。

自然語(yǔ)言理解技術(shù)沉淀

技術(shù)難點(diǎn)的解決過(guò)程就是一個(gè)技術(shù)沉淀的過(guò)程。通過(guò)在自然語(yǔ)言理解方向上持續(xù)研究和開(kāi)發(fā)，我們積累了如下的技術(shù)沉淀：

千萬(wàn)級(jí)的高質(zhì)量知識(shí)庫(kù)

知識(shí)庫(kù)的核心節(jié)點(diǎn)是各種詞，而這些詞條散布在互聯(lián)網(wǎng)上的各個(gè)地方。通過(guò)自己抓取和第三方合作的方式，我們拿到了大量的“毛數(shù)據(jù)”，這些數(shù)據(jù)中含有大量的噪音。為了過(guò)濾清洗這些數(shù)據(jù)，我們構(gòu)建了一套集成了多種過(guò)濾方法的過(guò)濾流程來(lái)對(duì)這些數(shù)據(jù)進(jìn)行處理。截止目前，我們積累了數(shù)千萬(wàn)的高質(zhì)量的各種類(lèi)型的詞條。

支持常見(jiàn)的數(shù)十個(gè)領(lǐng)域的理解

通過(guò)自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)等算法和大數(shù)據(jù)的使用，目前我們理解的領(lǐng)域有60個(gè)左右，其中一些重要的領(lǐng)域如：餐廳、天氣、酒店、休閑娛樂(lè)、地圖、快遞、音樂(lè)等；

一套可擴(kuò)展的算法框架

領(lǐng)域的優(yōu)化和擴(kuò)展是常態(tài)，如果某個(gè)領(lǐng)域的優(yōu)化或者新增，會(huì)對(duì)其他已有的領(lǐng)域的效果造成影響，那這將是一種災(zāi)難。我們建立了各領(lǐng)域獨(dú)立的、可擴(kuò)展的算法框架，各個(gè)領(lǐng)域在知識(shí)庫(kù)、數(shù)據(jù)、模型、算法等方面，都是各自獨(dú)立的。

數(shù)據(jù)驅(qū)動(dòng)的閉環(huán)流程

我們構(gòu)建了如下的閉環(huán)數(shù)據(jù)流程，使得數(shù)據(jù)能夠閉環(huán)流動(dòng)，隨著用戶(hù)的使用，我們不斷收集日志對(duì)系統(tǒng)進(jìn)行更新，從而不斷維持和提升系統(tǒng)的效果。

基于上下文的自然語(yǔ)言理解

為了理解對(duì)話(huà)，我們進(jìn)一步設(shè)計(jì)了基于上下文的自然語(yǔ)言理解框架，和無(wú)上下文相比，它主要的變化在于增加了一個(gè)domain selection模塊，該模塊在基于上下文的知識(shí)下，判斷當(dāng)前話(huà)語(yǔ)（utterance）是否需要繼承上文知識(shí)。