python - 类似 Siri 的应用程序 : calculating similarities between a query and a predefined set of control phrases

Question

我正在尝试用 python 制作一个类似 Apple Siri 的应用程序，您可以通过麦克风向它发出声音命令或问题，它会确定输入音频的文本版本，然后根据输入的内容确定要采取的适当操作。命令/问题的含义。我将使用语音识别库来接受麦克风输入并将语音转换为文本(通过 IBM Watson Speech to Text API)。

我现在遇到的主要问题是，当我定义应用程序在给出适当的命令/提出问题时执行的操作时，我不知道如何确定所述命令/问题是否是表示该 Action 。让我用一个例子来阐明我的意思:

假设我们有一个名为 hello 的操作。某人可以通过多种方式向另一个人(或者在本例中是我的应用程序)说“你好”，例如:

• “你好”
• “嗨”
• “你好”
• ...等等...

当然，我希望所有这些说“你好”的方式都被归类到你好的 Action 下。也就是说，当有人说“hello”、“hi”或“howdy”时，应该执行 hello 操作的响应(在这种情况下很可能只是应用程序说“hello”) .

我对如何解决这个问题的第一个想法是为应用程序提供说出某个命令/问题的所有或最常见的方式。因此，如果我按照前面的示例，我会告诉计算机“hello”、“hi”和“howdy”都表示同一件事:hello 操作。然而，这种方法有一些缺陷。首先，它根本无法理解未硬编码的说“你好”的方式，例如“嘿”。其次，一旦开始对新命令/问题的响应进行编码，输入说出某个短语的所有方式就会变得非常乏味。

因此，由于上述问题，我开始研究计算一组句子和单个查询之间相似度的方法。我最终遇到了 Python 的 Gensim 库。我对其进行了研究，发现了一些关于复杂过程的非常有前途的信息，例如潜在语义索引/分析 (LSI/LSA) 和 Tf-idf。然而，在我看来，这些东西主要是为了比较字数较多的文档，因为它们依赖于某些术语的频率。假设这是真的，这些过程不会真正为我提供准确的结果，因为给我的应用程序的命令/问题平均可能约为八个单词。我可能完全错了，毕竟我对这些过程知之甚少。

我还发现了 WordNet，以及如何使用自然语言工具包 (NLTK) 在 python 中使用它。看起来它可能有用，但我不确定如何。

所以，最后，我想我真正的问题是我提到的问题的最佳解决方案是什么？我应该使用我提到的方法之一吗？或者有没有更好的方法来做我想做但我不知道的事情？

任何帮助都将不胜感激。提前致谢。

附注抱歉冗长的解释；我想确保我说清楚了:P

Answer 1

这是一个难题。这也是 Task 11 的主题今年的一系列语义评估挑战 ( Semeval 2017 )。那么看看task description ，这将为您提供如何解决此问题的路线图。该任务还附带了一套训练数据，这对于解决此类问题至关重要。挑战仍在继续，但最终您也将能够从解决方案中学习。

因此，“如何确定某个命令/问题是否表示某个操作”的简短答案是:使用 Semeval2017(当然也可以是您自己的)的训练数据，并编写一个分类器。 nltk book可以帮助您加快编写分类器的速度。