摘要

虚拟助手在某些情况下可能表现得过于字面化。例如，当用户说“告诉鲍勃我喜欢他”时，大多数虚拟助手会提取出“我喜欢他”这一信息，并将其发送给名为鲍勃的联系人，而未能正确将语义转换为“我喜欢你”。为此，我们设计了一套系统，使虚拟助手能够接收来自用户的语音消息，将其视角进行转换，再将处理后的结果传达给目标用户。我们开发了一个基于规则的模型，该模型融合了线性文本分类、词性标注（part-of-speech tagging）和成分句法分析（constituency parsing），并结合基于规则的转换方法。此外，我们还探索了神经机器翻译（Neural Machine Translation, NMT）技术，包括LSTM、CopyNet和T5等模型。为了自动评估生成结果的自然度与忠实度，我们研究了五种评估指标。最终选择使用BLEU和METEOR作为忠实度的评估指标，而自然度则采用基于独立训练语言模型（GPT）的相对困惑度（relative perplexity）进行衡量。在忠实度方面，Transformer-CopyNet与T5表现相近，其中T5略胜一筹，达到BLEU分数63.8和METEOR分数83.0。在自然度方面，CopyNet表现最佳，相对困惑度为1.59。此外，CopyNet的参数量仅为T5的约1/37，显著更轻量。我们已将该研究的数据集公开发布，该数据集包含46,565条众包获取的样本，可供后续研究使用。