1. Intent Recognition (Распознавание намерений)
Это самая главная задача. Нужно определить, что пользователь хочет сделать.
- Пример: Пользователь пишет: "Какой сегодня курс доллара?" или "Сколько стоит бакс?"
- Задача: Понять, что намерение (интент) — Узнать курс валюты.
- Суть: Это задача классификации. Модель относит фразу к одному из заранее заданных классов (интентов).
2. Slot Filling (Заполнение слотов)
Мало понять, что хочет пользователь, нужно понять детали. Слоты — это обязательные параметры для выполнения действия.
- Пример: Тот же запрос про курс доллара.
- Задача: Модель уже поняла интент (Узнать курс), но ей нужно заполнить слоты:
Слот валюта: Доллар
Слот дата: Сегодня (если не указано, подставляется значение по умолчанию) - Суть: Это процесс тегирования слов в предложении, чтобы отметить, какое слово к какому слоту относится.
3. Entity Extraction (Извлечение сущностей)
Очень тесно связано со слотами, но это более общее понятие. Это просто поиск в тексте именованных сущностей (Named Entity Recognition, NER).
- Примеры сущностей: Имена людей (Алексей), названия компаний (Apple), географические названия (Москва), даты, суммы денег, номера телефонов.
- Отличие от Slot Filling: Слоты — это контекст диалога (параметры текущей команды), а сущности — это просто факты в тексте.
Фраза: "Купи билет до Москвы на имя Ивана".
Сущности: Москва (город), Иван (имя).
Слоты: (для интента "Купить билет") Пункт назначения: Москва, Пассажир: Иван.
4. Disambiguation (Снятие неоднозначности)
Это механизм разрешения конфликтов, когда система не до конца уверена в том, что имел в виду пользователь.
- Ситуация 1 (Несколько интентов): Фраза "Хочу уточнить баланс и положить деньги" содержит два намерения. Нужно либо выбрать приоритетное, либо запустить диалог уточнения.
- Ситуация 2 (Похожие интенты): Интенты "Завести будильник" и "Поставить таймер" очень похожи по смыслу. Если модель неуверена (например, 51% на будильник, 49% на таймер), запускается disambiguation: "Вы хотите поставить будильник или засечь время?".
- Ситуация 3 (Омонимия): Слово "ключ". Это гаечный ключ, дверной ключ или родник? Контекст или уточняющий вопрос помогают снять неоднозначность.
Итог: Как это работает вместе?
Представьте, что вы разрабатываете пиццерию с ботом.
- Пользователь: "Хочу заказать большую пепперони на тонком тесте и привезти её на Тверскую, 7".
- Intent Recognition: Определяет интент Заказать еду.
- Entity Extraction: Находит сущности: Тверская, 7 (адрес).
- Slot Filling: Заполняет слоты для заказа:
Размер: Большая
Тип: Пепперони
Тесто: Тонкое - Disambiguation: Если бы пользователь сказал просто "Пиццу", бот бы переспросил: "Какую именно пиццу вы хотите?" (снял неоднозначность по отсутствующим слотам).
Этот набор техник — основа для построения любой нетривиальной системы, которая должна понимать человеческую речь, а не просто реагировать на кнопки.
Страховка на собеседовании
Знание есть, но стресс мешает?
Бесплатное сообщество для прокачки карьеры в IT
Подпишись на https://t.me/IT_Interview_Partner_Bot
Подпишись на https://t.me/LyakhovEugene