12月18日消息，据外媒报道，亚马逊(Amazon)的研究人员利用一种新颖的数据表示技术，成功提高了Alexa选择第三方应用程序的能力，可以减少40%的选择错误率。
据了解，这项研究成果将于本月在希腊雅典举行的IEEE口语技术会议上发表。同时，上周的一项研究显示，Alexa的语音识别能力提高了15%。
近年来，数据表示已经成为机器学习中的一个重要研究课题。例如，自然语言理解(NLU)系统很少将原始文本作为输入。相反，它们采用嵌入式数据表示，这种数据表示保留了关于文本的语义信息，但以一致的、形式化的方式表示。使用嵌入式而不是原始文本已经被一次又一次地展示来提高特定NLU任务的性能。
Alexa处理请求方式利用了新的表示方法。Alexa首先根据请求的主题区域或领域(例如音乐或天气)对请求进行分类，然后根据意图或预期的操作对请求进行分类。最后，根据槽类型进行分类——槽类型是定义Alexa如何识别和处理数据的实体(例如使用actor slot类型的技能可能会使用提供的演员名称查询电影目录)。
总的来说，研究人员对人工智能系统进行了涵盖17个领域的24.6万次语音训练。为了测试其准确性，他们将其编码作为一个两阶段技能选择系统的输入。根据Kim的说法，在实验中，它不仅将准确率从90%提高到94%，而且还超过了三个类似的系统。
研究人员表示，在关键的技能选择任务上测试方案，或者在数千个Alexa技能中决定哪一个应该处理给定的客户请求。最终发现，方案大幅降低了技能选择错误率，这应该有助于让客户与Alexa的互动更自然。
关键词： Alexa技能
