类似 Siri 的应用程序：计算查询和一组预定义的控制短语之间的相似性
Siri-like app: calculating similarities between a query and a predefined set of control phrases
我正在尝试在 python 中制作一个类似 Apple Siri 的应用程序，您可以在其中通过麦克风向它发出声音命令或问题，它会确定输入音频的文本版本，然后确定合适的根据 command/question 的含义采取的行动。我将使用语音识别库接受麦克风输入并将语音转换为文本（通过 IBM Watson Speech to Text API）。
我现在遇到的主要问题是，当我定义一个动作让应用程序在询问 given/question 时执行适当的命令时，我不知道如何确定所说的是否command/question 表示该操作。让我用一个例子来阐明我的意思：
假设我们有一个名为 hello 的操作。有人可以通过多种方式对另一个人（或在本例中为我的应用程序）说 "hello"，例如：
- "Hello"
- "Hi"
- "Howdy"
- ...等等...
当然，我希望所有这些"hello"的表达方式都归类在hello的作用下。也就是说，当有人说 "hello"、"hi" 或 "howdy" 时，应该执行操作 hello 的响应（很可能只是应用说 "hello"在这种情况下返回）。
关于如何解决这个问题，我的第一个想法是为应用程序提供所有或最常见的方式来表达某个 command/question。所以，如果我按照前面的例子，我会告诉计算机 "hello"、"hi" 和 "howdy" 都表示同一件事：hello 操作。然而，这种方法有几个缺陷。首先，它根本无法理解没有硬编码的 "hello" 的表达方式，例如 "hey"。其次，一旦开始对新 commands/questions 的响应进行编码，输入所有说某个短语的方式就会变得非常乏味。
于是，由于上述问题，我开始研究如何计算一组句子和单个查询之间的相似度。我最终遇到了 python 的 Gensim 库。我调查了一下，发现了一些关于复杂过程的非常有前途的信息，例如潜在语义 indexing/analysis (LSI/LSA) 和 Tf-idf。但是，在我看来，这些东西主要用于比较字数较多的文档，因为它们依赖于某些术语的出现频率。假设这是真的，这些过程不会真正为我提供准确的结果，因为给我的应用程序的 commands/questions 可能平均大约八个字。我可能完全错了，毕竟我对这些过程知之甚少。
我还发现了 WordNet，以及如何使用自然语言工具包 (NLTK) 在 python 中使用它。看起来它可能有用，但我不确定如何。
所以，最后，我想我真正的问题是什么是我提到的问题的最佳解决方案？我应该使用我提到的方法之一吗？或者有没有更好的方法来做我想做但我不知道的事情？
如有任何帮助，我们将不胜感激。提前致谢。
P.S。抱歉冗长的解释；我想确定我是否清楚 :P
这是一道难题。它也是 Task 11 of this year's set of Semantic evaluation challenges (Semeval 2017). So take a look at the task description 的主题，它将为您提供如何解决此问题的路线图。该任务还附带一套训练数据，这对于解决此类问题至关重要。挑战仍在继续，但最终您也将能够从解决方案中学习。
所以 "how do I determine if some command/question is denoting a certain action" 的简短回答是：使用来自 Semeval2017（当然也可以是你自己的）的训练数据，并编写一个分类器。 nltk book 可以帮助您加快编写分类器的速度。
我正在尝试在 python 中制作一个类似 Apple Siri 的应用程序，您可以在其中通过麦克风向它发出声音命令或问题，它会确定输入音频的文本版本，然后确定合适的根据 command/question 的含义采取的行动。我将使用语音识别库接受麦克风输入并将语音转换为文本（通过 IBM Watson Speech to Text API）。
我现在遇到的主要问题是，当我定义一个动作让应用程序在询问 given/question 时执行适当的命令时，我不知道如何确定所说的是否command/question 表示该操作。让我用一个例子来阐明我的意思：
假设我们有一个名为 hello 的操作。有人可以通过多种方式对另一个人（或在本例中为我的应用程序）说 "hello"，例如：
- "Hello"
- "Hi"
- "Howdy"
- ...等等...
当然，我希望所有这些"hello"的表达方式都归类在hello的作用下。也就是说，当有人说 "hello"、"hi" 或 "howdy" 时，应该执行操作 hello 的响应（很可能只是应用说 "hello"在这种情况下返回）。
关于如何解决这个问题，我的第一个想法是为应用程序提供所有或最常见的方式来表达某个 command/question。所以，如果我按照前面的例子，我会告诉计算机 "hello"、"hi" 和 "howdy" 都表示同一件事：hello 操作。然而，这种方法有几个缺陷。首先，它根本无法理解没有硬编码的 "hello" 的表达方式，例如 "hey"。其次，一旦开始对新 commands/questions 的响应进行编码，输入所有说某个短语的方式就会变得非常乏味。
于是，由于上述问题，我开始研究如何计算一组句子和单个查询之间的相似度。我最终遇到了 python 的 Gensim 库。我调查了一下，发现了一些关于复杂过程的非常有前途的信息，例如潜在语义 indexing/analysis (LSI/LSA) 和 Tf-idf。但是，在我看来，这些东西主要用于比较字数较多的文档，因为它们依赖于某些术语的出现频率。假设这是真的，这些过程不会真正为我提供准确的结果，因为给我的应用程序的 commands/questions 可能平均大约八个字。我可能完全错了，毕竟我对这些过程知之甚少。
我还发现了 WordNet，以及如何使用自然语言工具包 (NLTK) 在 python 中使用它。看起来它可能有用，但我不确定如何。
所以，最后，我想我真正的问题是什么是我提到的问题的最佳解决方案？我应该使用我提到的方法之一吗？或者有没有更好的方法来做我想做但我不知道的事情？
如有任何帮助，我们将不胜感激。提前致谢。
P.S。抱歉冗长的解释；我想确定我是否清楚 :P
这是一道难题。它也是 Task 11 of this year's set of Semantic evaluation challenges (Semeval 2017). So take a look at the task description 的主题，它将为您提供如何解决此问题的路线图。该任务还附带一套训练数据，这对于解决此类问题至关重要。挑战仍在继续，但最终您也将能够从解决方案中学习。
所以 "how do I determine if some command/question is denoting a certain action" 的简短回答是：使用来自 Semeval2017（当然也可以是你自己的）的训练数据，并编写一个分类器。 nltk book 可以帮助您加快编写分类器的速度。