[发明专利]包括粗略语义解析器和精细语义解析器的改进语义解析器

权利要求书

1.一种方法，包括：

访问训练数据，所述训练数据包括话语、中间逻辑形式和逻辑形式；

使用粗略语义解析器以基于所述训练数据中的所述话语来确定预测的中间逻辑形式；

通过基于将所述预测的中间逻辑形式与所述训练数据中的所述中间逻辑形式进行比较来更新所述粗略语义解析器，对所述粗略语义解析器进行训练；

使用精细语义解析器以基于所述训练数据中的所述话语和所述中间逻辑形式来确定预测的逻辑形式；

通过基于将所述预测的逻辑形式与所述训练数据中的所述逻辑形式进行比较来更新所述精细语义解析器，对所述精细语义解析器进行训练；

使用所述粗略语义解析器以确定针对对话系统的话语的中间逻辑形式，其中，所述话语是基于文本的自然语言表达，并且其中，所述中间逻辑形式指示所述话语中的一个或多个意图；以及

使用所述精细语义解析器以确定针对所述话语和所述中间逻辑形式的逻辑形式，其中，所述逻辑形式是根据已建立的语法的所述话语的句法表达，并且其中，所述逻辑形式包括所述一个或多个意图的一个或多个参数；以及

使用所述逻辑形式以通过所述对话系统进行对话。

2.如权利要求1所述的方法，其中，将所述精细语义解析器应用于所述中间逻辑形式以确定针对所述话语的所述逻辑形式包括：将所述精细语义解析器应用于所述话语和所述中间逻辑形式以确定针对所述话语的所述逻辑形式。

3.如权利要求1所述的方法，其中：

所述粗略语义解析器是机器学习模型。

4.如权利要求3所述的方法，其中：

所述精细语义解析器是机器学习模型。

5.如权利要求1所述的方法，其中，所述粗略语义解析器是序列到序列神经网络，并且其中，所述精细语义解析器是附加的序列到序列神经网络。

6.如权利要求1所述的方法，进一步包括：

在所述对话系统中接收语音输入；以及

使用自动语音识别将所述语音输入转换为所述话语。

7.如权利要求6所述的方法，进一步包括：

分析所述逻辑形式以生成响应于所述语音输入的响应文本；以及

通过将文本到语音应用于所述响应文本来确定所述对话系统的音频输出。

8.一种系统，包括：

粗略语义解析器，所述粗略语义解析器被配置为：

访问在对话系统中接收到的话语，其中，所述话语是基于文本的自然语言表达；以及

基于所述话语来确定针对所述话语的中间逻辑形式，其中，所述中间逻辑形式指示所述话语中的一个或多个意图；以及

精细语义解析器，所述精细语义解析器被配置为：

基于所述中间逻辑形式来确定针对所述话语和所述中间逻辑形式的逻辑形式，其中，所述逻辑形式是根据已建立的语法的所述话语的句法表达，并且其中，所述逻辑形式包括所述一个或多个意图的一个或多个参数，

其中，所述逻辑形式能够用于通过所述对话系统进行对话；以及

训练系统，所述训练系统被配置为：

访问训练数据，所述训练数据包括话语、中间逻辑形式和逻辑形式；

使用粗略语义解析器以基于所述训练数据中的所述话语来确定预测的中间逻辑形式；

通过基于将所述预测的中间逻辑形式与所述训练数据中的所述中间逻辑形式进行比较来更新所述粗略语义解析器，对所述粗略语义解析器进行训练；

使用精细语义解析器以基于所述训练数据中的所述话语和所述中间逻辑形式来确定预测的逻辑形式；

通过基于将所述预测的逻辑形式与所述训练数据中的所述逻辑形式进行比较来更新所述精细语义解析器，对所述精细语义解析器进行训练。

9.如权利要求8所述的系统，其中，所述精细语义解析器基于所述话语和所述中间逻辑形式两者来确定所述逻辑形式。

10.如权利要求8所述的系统，其中，所述粗略语义解析器是序列到序列神经网络。