发帖
雷达卡
Facebook提出全新交互式语义分析框架，自然语言生成SQL语句准确率提升10%
交互式语义分析是最近的研究热点，通过与用户的交互提升语义理解的准确性。Facebook AI 研究院研究人员最近提出了一种新的、统一的交互式语义分析方法，通过设计一个基于模型的智能代理（agent），与现有方法相比，可以在减少用户交互次数的同时提升解析精度。
现有的语义解析技术在实际应用中往往存在不足，面临着若干挑战：（1）用户话语可能存在歧义或含糊，难以一次性得到正确的结果；（2）现有语义分析工具的准确率仍然不够高，无法真正使用；（3）用户很难验证语义分析结果，特别是缺乏可解释的主流神经网络模型。
针对这些挑战，近期交互式语义分析作为一种实用的解决方案被提出，它将用户包含在循环交互中，通过人机协作来解决话语歧义、提升系统的准确性。大部分用户倾向于使用交互式系统，而不是非交互式系统。近年来的研究也成功地证明了交互式语义分析在实际应用中的价值，但往往受限于某种形式的语言或数据集，因此，这些设计是特别（ad-hoc）定制的，不是通用的。
为了建立交互式语义分析系统的通用原则，他们提出了基于模型的交互式语义分析（MISP），其目标是设计一个基于模型的智能代理，该智能代理可以与用户交互以完成语义分析任务。代理以一个话语作为输入，智能代理逐步构建语义分析（例如，一个 SQL 查询），可能在某些步骤中请求用户反馈以纠正分析错误。MISP 代理将维护其状态为当前语义解析，并通过错误检测器决定是否需要人工干预以及在哪里需要人工干预。此操作由问题生成器（actuator）执行，该生成器生成并向用户呈现一个可理解的问题。代理的核心组件是一个世界模型（world model，Ha 和 Schmidhuber 等人在 2018 提出），它将从环境中整合用户反馈并传输到一个新的代理状态（例如，一个更新的语义解析）。重复此过程，直到达到最终状态。这种设计赋予了 MISP 代理交互语义分析三个重要特性：（1）对推理过程进行内省，知道何时需要人的监督；（2）能够以人性化的方式征求用户反馈，（3）能够整合用户反馈（通过由世界模型控制的状态转换）。
京公网安备 11010802022788号
