[发明专利]针对屏幕上项目选择的基于语言和域独立模型的方法

说明书

提供了一种针对项目消歧和选择的基于通用模型的方法。可以由计算设备响应于用于选择的项目的列表来接收话语。在一些方面，项目的列表可以在显示器屏幕上显示。继而可以向话语应用通用消歧模型。通用消歧模型可以用于基于所标识的语言和/或域独立参考特征,来确定话语是否指向项目的列表中的至少一个，并且标识来自列表的与话语相对应的项目。计算设备继而可以执行可以包括选择与话语相关联的所标识的项目的动作。

背景技术

机器学习、语言理解和人工智能正在改变用户与计算机交互的方式。计算机和应用的开发者总是尝试改进人类与计算机之间的交互。然而，语言理解的开发以及选择针对任何给定语言的模型经常需要大量时间、金钱和其他资源来完成。

就这些和其他一般考虑而言，已经做出了本文公开的方面。而且，虽然可以讨论相对具体的问题，但是应当理解，本文的各方面不应当限于解决背景技术或者本公开内容其他部分中所标识的具体问题。

发明内容

总体来说，公开内容一般涉及用于提供或者生成针对屏幕上项目选择和消歧的基于语言和/或域独立模型的方法。响应于在显示器上显示项目，可以由计算设备接收第一语言的话语(utterance)。继而可以由计算设备向话语应用语言和/或域独立消歧模型。即使在通用消歧模型没有在相同语言中被训练或者接收相同语言的最小训练数据作为话语时，也可以使用该通用模型。通用消歧模型可以基于从所提取的话语的参考特征选择的语言和/或域独立特征来标识话语是否指向显示器上的项目中的至少一个项目，并且继而可以标识所显示的项目中的项目是否与话语相对应。在标识与显示器上的话语相对应的项目时，计算设备继而可以执行与话语相关联的动作。因此，本文公开的系统和方法的语言和/或域独立模型以最小成本和开发时间可扩展至新的语言。更具体地，本文公开的系统和方法的语言和/或域独立模型通过使其通用于或者可应用于任何给定语言而提供改善的效率和可扩展性。因此，与不是设计为语言和/或域独立的自然用户接口或者消歧模型相比，本文公开的系统和方法的语言和/或域独立模型更加易于开发和/或扩展，并且更加有效。

本公开内容的一个方面包括一种语言理解系统。该语言理解系统包括语言理解服务器。语言理解服务器包括处理器和存储器。处理器执行存储在存储器上的指令以执行方法。该方法包括：从多个特征提取器检索训练特征，并且基于使用来自不同特征提取器的训练特征以形成经训练的语言理解模型的训练算法，来估计模型参数。在一些方面，多个特征提取器(例如，域预测器、意图预测器、实体预测器等)可以定位在与语言理解系统相同的服务器上。在其他方面，多个特征提取器可以定位在与语言理解系统通信的一个或多个不同的服务器上。

本公开内容的另一方面涉及一种用于训练和使用自然语言理解系统的方法。该方法包括训练语言理解系统的语言理解模型。语言理解模型的训练包括：例如在语言理解服务器处接收来自多个特征提取器的训练特征，并且基于使用来自不同特征提取器的训练特征以形成经训练的语言理解模型的训练算法，来估计模型参数。在一些方面，多个特征提取器(例如，域预测器、意图预测器、实体预测器等)可以定位在语言理解服务器上。在其他方面，多个特征提取器可以定位在与语言理解服务器通信的一个或多个不同的服务器上。

本公开内容的又一方面包括一种系统。该系统包括至少一个处理器和存储器。存储器包括存储在其上的计算机可执行指令。计算机可执行指令由至少一个处理器执行。计算机可执行指令导致系统执行操作，操作包括：在自然语言服务器上接收来自客户端设备的自然语言输入，向第一特征提取器(例如，意图预测器)发送自然语言输入，向第二特征提取器(例如，域预测器)发送自然语言输入，以及向第三特征提取器(例如，实体预测器)发送自然语言输入。在一些方面，一个或多个特征提取器(例如，第一特征提取器、第二特征提取器和第三特征提取器)可以定位在与自然语言服务器通信的一个或多个远程服务器上。在其他方面，一个或多个特征提取器可以定位在自然语言服务器上。