No estoy seguro al 100%, pero según el uso de la API wit.ai y la búsqueda de su “patito” del analizador de tiempo de código abierto, parece que podrían estar usando los mismos métodos para toda la aplicación que se usan en “patito”. Entonces, con eso en mente, están usando un analizador PCFG para detectar entidades y luego usando un mapeo entre un enunciado válido para una respuesta de estructura, crearon un ingenuo clasificador bayes para calificar las múltiples frases ambiguas desde el primer paso.
Supongo que los pasos son más o menos los mismos porque, según el tiempo de entrenamiento que toma cuando agrega una nueva muestra, debería ser un clasificador muy rápido para entrenar.
Y también han declarado que creen que más datos resolverán el problema en lugar del método perfecto.
- ¿Cuál es el mejor auricular inalámbrico de Skype?
- ¿De qué formas creías que Internet cambiaría tu vida, pero no?
- ¿Cómo puede un amante motivado de Internet escapar y destruir cámaras de eco?
- ¿Podría YouTube haberse creado a principios de la década de 1990? Si no, ¿por qué?
- ¿Cuál es el tiempo más largo que has pasado sin interactuar con otras personas?
Personalmente, no creo que estén usando ningún aprendizaje profundo ya que compañías como Apple y Google los están usando y aún no están en un nivel en el que la voz pueda reemplazar la entrada del teclado.
El dominio wit.ai es pequeño en comparación con otros grandes jugadores. Y creo que su método no es tan importante, pero su forma de integrar todo el sistema para crear y entrenar instancias es mucho más novedoso.
Trabajo en el mismo dominio que el suyo y puedo decir que puede escribir mejores algoritmos para resolver la comprensión intencional, pero fallarán con el tiempo porque es más difícil capacitarlos, proporcionar comentarios en comparación con el algoritmo simple utilizado por wit.ai pero un Sistema integrado muy capaz con componentes de creación, capacitación y retroalimentación trabajando en una interfaz unificada.
http://duckling-lib.org
