数据开源MagicData中英文座舱功能点泛化语料

　　在智能座舱中，人机交互是智能座舱与车内人员关联的桥梁，其中的人机交互技术主要涉及语音交互、文本交互。我们在舱内所说的内容，会由交互系统转换成语义文字，然后经过后台算法的决策，给出合理的反馈信息，最终系统才能听懂我们的表达，做出相应指令动作。让我们来听听Magic Data创始人兼CEO张晴晴，分享智能座舱中功能点泛化语料相关的技术应用。
　　人机交互的核心
　　人机交互的核心就是自然语言处理（NLP）,也就是车载处理器可以理解人类的语言（NLU），并且生成合理的反馈信息（NLG）。
　　人与汽车最基础的交互就是指令词的使用，但＂打开窗户＂这一句简单的命令，根据每个人的说话习惯不同，同样的指令可能会有几十甚至几百种表达方式。
　　如＂请打开车窗＂、＂帮我打开车窗一下＂、＂开一下窗＂、＂窗户开开＂。可能还会包含方言，如＂帮俺打开车窗＂、＂给俺开下窗户＂、＂把窗户给俺弄开＂。此外也会有中英文混合、以及全英文的情况＂帮我Open一下Window啦＂、＂Open the window please＂。语音识别系统需要识别所有的可能性，才能更好的对应到舱内相应的指令，完成指定操作。完整的自然语言人机交互的流程图，如下所示：
　　上面车载交互中对于天气的询问属于自然语言技术支撑的搜索引擎，能够在一定程度上理解人类的自然语言，从自然语言中抽取出关键内容并用于检索，在两者之间建立起更高效、更深层的信息传递。目前，上述技术主流方法都是基于复杂的神经网络模型，因此需要大量与场景匹配的语音、文本语料库进行训练，以支持大体量数据的学习，从而得到更好的效果。
　　舱内泛化语料稀缺
　　智能座舱能够直观地提升视听娱乐和人机交互体验，个性化、定制化的座舱配置和功能将成为车企的特色，提升品牌和车型认知度。因此，智能座舱成为各大整车厂商及零部件供应商的布局重点。但是由于人机交互的深度学习算法，依赖大量的数据训练，而高质量数据的缺乏，是导致目前车载交互成本较高、准确率低的重要原因之一。
　　由于车载场景的特殊性，导致车载场景的NLP数据非常稀缺，也是目前车载场景交互技术的壁垒。针对目前各智能交互系统普遍存在的冷启动无数据可用、产品车机交互功能覆盖不足、长尾命令识别性能较差等痛点。Magic Data构建了本中文和英文座舱功能点泛化数据集。共有语料 90,000+ 条，其中中文70,000+  英文20,000+ 。同步持续更新，确保时效性。
　　Magic Data数据开源：中英文座舱功能点泛化语料库
　　Magic Data拥有中文和英文座舱功能点泛化语料库90,000+ 条，本次开源1000+ 语料，涉及常见的车载场景的指令词，非常适合车载场景交互的研究与落地。
　　开源的数据集包含众多舱内功能点，包含了车内外常用部件的关闭与打开等意图。如打开蓝牙、关闭车窗、调节摄像头角度、调节方向盘、通话音量、打开远光灯等等。句式多样性丰富，同时对功能点的多样性表达进行泛化。这些泛化的命令文本具有较强的适用性，对传统车企及新势力车企的部件功能均兼容。
　　中文座舱功能点泛化语料库
　　该开源数据集包含 500 句中文座舱功能点泛化语料，涵盖10 种车载命令控制功能，每个功能相关含10-100 种通用语料。
　　如开启车道保持、开启遮阳帘、打开远光灯、打开蓝牙、打开WiFi、启动ESP等等。句式多样性丰富，在语句结构上充分考虑了动词、实体词、句式及其组合，同时对功能点的多样性表达进行泛化，如车身稳定系统=ESP，延时摄像=缩时录像。在泛化部件功能时文本有预留Slot，涉及槽位有Position、Fraction、Percent等，如position=[前，后，左，右，中，左后方，全部]等。
　　中文座舱功能点泛化数据集：https://magichub.com/datasets/chinese-automobile-cabin-command-text-corpus/
　　英文座舱功能点泛化语料库
　　该开源 数据集包含500 句英文座舱功能点泛化语料，由具有驾驶经验的以欧洲和美国英语为母语的人提供。涵盖3个领域的16 种车载命令控制功能，每个功能相关含2-100 种通用语料。
　　如打开蓝牙Activate Bluetooth、车窗打开百分比Set the window down to a quarter、调大通话音量Turn up the call volume by a notch、打开远光灯Turn on high beam light等等。句式多样性丰富，在语句结构上充分考虑了动词、实体词、句式及其组合，同时对功能点的多样性表达进行泛化，如Panoramic Camera=Omnidirectional Camera=Full View Camera。在泛化部件功能时文本有预留Slot，涉及槽位有Position、Fraction、Percent等，如Position=[Front, Real, Driver, Pilot, Rear Left, Real Right, Left, All]。
　　英文座舱功能点泛化数据集：https://magichub.com/datasets/english-automobile-cabin-command-text-corpus/
　　海量数据的开源是众多科研工作者的诉求，Magic Data希望通过开源数据激发技术的革新，促进行业进步。
　　欢迎访问 MagicHub 开源社区：https://magichub.com/