语义泛化

一、语义泛化的核心问题

语义泛化实际上是 自然语言理解（NLU） 的核心目标，它要解决两个关键点

1. 同义表述多样化（表达泛化）

• 不同用户说同一件事的方式完全不同。
• 模型要“理解语义”，而不是“匹配关键词”。

2. 意图稳健性（鲁棒性）

• 模型不能因为多余的修饰、语气、语序变化就理解错。
• 例：“可以麻烦你帮我把空调打开吗？” → 一样识别为“开空调”。

二、实现语义泛化的几种主流思路

2.1 模板 + 同义词扩展（传统方式）

手工或程序生成多种说法：

模板：「打开{设备名}」
同义：{开启, 打开, 开一下, 启动}
→ 打开空调 / 开一下空调

• 优点：简单、可控。
• 缺点：维护成本高，覆盖有限，难应对口语化表达。

2.2 语义向量匹配（embedding 相似度）

思路：把每句话都编码成语义向量，计算相似度。

“打开空调” → 向量A

“帮我开一下空调” → 向量B

相似度高 → 视为同一意图。

常用模型：

中文可用：text-embedding-3-large, bge-large-zh, m3e-base

英文可用：text-embedding-3-large, all-MiniLM-L6-v2

优点：天然支持泛化；用户说法不需要出现在训练集中。

缺点：需要相似度阈值调优；与训练数据分布有关。

2.3 大语言模型（LLM）理解

• 语音 → 文本（ASR） → LLM（如 GPT、Qwen）→ 解析语义意图。
• Prompt 例：

用户说：“有点热，开个空调吧”
请输出对应的意图（如“开空调”）：

LLM 能理解复杂语境与隐含语义，比如：

“有点闷” → 推理为“需要开窗或开空调”

“冷死了” → 推理为“关空调或调高温度”

2.4 混合策略

一个实际可部署的语义泛化方案通常是：

1. ASR → 文本
2. 文本正则化（去语气词、口头语）
3. LLM / embedding 匹配 → 语义意图
4. 意图执行模块（设备控制、应答等）

{
  "dependencies": ["."],
  "graphs": {
    "agent": "./src/agent/graph.py:graph"
  },
  "env": ".env",
  "image_distro": "wolfi"
}