语义解析器错误的交互式诊断

手工 curated 的自然语言系统提供可检查、可更正的替代方案，这些方案基于机器学习构建的语言系统。然而，维护它们需要相当大的工作量和专业知识。交互式自然语言调试（INLD）旨在减轻这种负担，通过将调试建模为推理问题，向用户提出一系列问题以诊断和纠正系统知识中的错误。在本文中，我们在 CNLU 语义解析器上进行工作进展的展示。我们说明前两个阶段（症状识别和错误定位）如何建模为基于模型的诊断问题，展示了我们系统在合成示例上诊断语义错误的能力，并讨论了未来工作的设计挑战和前沿。