智能家居的自然语言处理

Question

我正在为我的学士学位编写一个智能家居软件，它只会模拟实际的房子，但我被困在项目的 NLP 部分。这个想法是让客户端收听语音输入（已经完成），将其转换为文本（已完成）并将其发送到服务器，服务器将完成所有繁重的工作/决策制定。

所以我所有的输入都会很短（比如“请打开门廊灯”）。基于此，我想决定对哪个对象进行操作，以及如何进行操作。所以我想出了一些事情要做，以便写出一些有效率的东西。

1. 去掉不必要的词（在前面的例子中，“please”和“the”是不会改变需要做的事情的意思的词；但是如果我说“关掉my灯”，“my”确实有相当重要的意义）。
2. 处理同义词（“开灯”应该和“启用灯”一样——我知道这是一个愚蠢的例子）。我猜唯一的选择是拥有某种字典（也许是 XML），并且只列出房子中某个特定对象的可能单词列表。
3. 检测动词和主语。 “打开”是动词，“灯”是主语。我需要一个很好的方法来检测这个。
4. 一般实施。这些东西通常在算法方面是如何开发的？我只在 Smart Homes 中找到一篇关于 NLP 的文章，非常模糊（而且英语不好）。欢迎任何链接。

Answer 1

如果你没有太多时间花在 NLP 问题上，你可以使用 Wit API (http://wit.ai) 将自然语言句子映射到 JSON：

它是基于机器学习的，所以你需要提供句子的例子+JSON输出来配置它以满足你的需求。它应该比基于语法的方法更健壮，特别是因为语音转语音引擎可能会犯下会破坏语法的错误（但机器学习模块仍然可以获取句子的含义）。

Answer 2

对于您的项目，我建议您通过Stanford Parser

1. 根据您的问题定义，我猜您不需要动词和名词以外的任何东西。 SP 生成 POS（词性标签），您可以使用它来修剪不需要的词。

2. 为此，我想不出比您现在想到的更好的选择。

3. 为此，您可以再次使用 SP 的语法依赖结构，我非常确定它足以解决这个问题。

4. 这就是你的研究部分所在。我想您可以使用 GD 和 POS 标签找到足够的模式来为您的问题提出算法。我几乎不怀疑任何算法都足以有效地处理每组输入句子（结构化+非结构化），但准确率超过 85% 的算法对你来说应该足够好了。

Answer 3

首先，我会构建一个所有可能命令的列表（不是所有可能的命令方式，只是实际功能本身：“打开厨房灯”和“打开厨房灯”是相同的命令）基于智能房屋可用的实际功能。我假设其中的离散数量不超过数百个。为每个分配某种标识符代码。

然后你的工作变成映射输入：

• 一段英文文字
• 演讲者的位置
• 一天中的时间，星期几
• 任何其他输入数据

每个命令的置信度（0.0 到 1.0）的输出。

如果置信度超过某个可调阈值（比如超过 0.70），系统将执行最佳匹配命令。

从这里它变成了一个机器学习应用程序。有许多不同的方法（此外，可以通过让它们根据输入的特征进行竞争来将方法组合在一起）。

首先，我会阅读斯坦福大学 Jurafsky/Manning 的NLP 书。这是对当前 NLP 算法的一个很好的调查。

从那里你会得到一些关于映射如何被机器学习的想法。更重要的是如何将自然语言分解为机器学习的数学结构。

一旦对文本进行了语义分析，首先要尝试的最简单的 ML 算法就是监督算法。要生成训练数据，请使用普通的 GUI，说出您的命令，然后手动按下相应的命令。这形成了一个单一的监督培训案例。做一些大量的这些。留出一些用于测试。这也是非技术性工作，因此其他人可以提供帮助。然后，您可以将这些用作 ML 算法的训练集。