[论文解读] From Natural Language Instructions to Complex Processes: Issues in Chaining Trigger Action Rules

Nobuhiro Ito, Yuya Suzuki+1 more|arXiv (Cornell University)|Jan 8, 2020

Business Process Modeling and Analysis参考文献 10被引用 5

一句话总结

本文提出一种形式化语法，用于将高抽象度的机器可执行意义表示（MEMRs）以触发-动作规则（TAP）形式串联，以建模复杂工作流，实现自然语言（NL）指令到可执行工作流的语义解析。该研究提出一种基于真实世界IFTTT TAP的语料库构建方法，人工标注TAP串联关系及自然语言指令，支持基于转移的神经网络语义解析，推动智能流程自动化。

ABSTRACT

Automation services for complex business processes usually require a high level of information technology literacy. There is a strong demand for a smartly assisted process automation (IPA: intelligent process automation) service that enables even general users to easily use advanced automation. A natural language interface for such automation is expected as an elemental technology for the IPA realization. The workflow targeted by IPA is generally composed of a combination of multiple tasks. However, semantic parsing, one of the natural language processing methods, for such complex workflows has not yet been fully studied. The reasons are that (1) the formal expression and grammar of the workflow required for semantic analysis have not been sufficiently examined and (2) the dataset of the workflow formal expression with its corresponding natural language description required for learning workflow semantics did not exist. This paper defines a new grammar for complex workflows with chaining machine-executable meaning representations for semantic parsing. The representations are at a high abstraction level. Additionally, an approach to creating datasets is proposed based on this grammar.

研究动机与目标

• 解决从自然语言进行复杂工作流语义解析时缺乏形式化语法与标注语料库的问题。
• 通过自然语言接口，为非技术用户提供智能且用户友好的自动化支持。
• 将复杂业务流程建模为高抽象度触发-动作规则（TAP）的链式结构。
• 创建自然语言描述与可执行TAP链工作流配对的语料库，用于训练语义解析器。
• 通过定义一种形式化且可扩展的语法，为工作流结构提供支持，以实现基于转移的神经网络语义解析。

提出的方法

• 基于TAP链定义一种形式化语法，其中每个TAP为一种事件驱动规则，形式为“若触发，则执行动作”。
• 以现有IFTTT TAP数据集（含真实用户生成的自然语言描述）为基础，构建语料库。
• 人工识别并标注动作触发关系，以建立TAP链式规则，支持垂直与水平工作流扩展。
• 通过随机串联TAP构建复杂工作流，同时确保每个TAP均来自真实用户使用场景，以保持实际相关性。
• 通过基于规则的摘要与句子融合生成所生成工作流的自然语言描述，随后由标注者进行人工优化。
• 训练一种基于转移的神经网络语义解析器，利用束搜索与对数似然优化，将自然语言语句映射为WAST（工作流抽象语法树）表示。

实验结果

研究问题

• RQ1 如何设计一种形式化语法，以TAP链形式表示复杂工作流的高抽象度机器可执行意义表示（MEMRs）？
• RQ2 一种有效的语料库构建方法是什么，可将自然语言描述与可执行TAP链工作流配对，以支持语义解析？
• RQ3 基于TAP链的形式化语法，能否有效应用于复杂工作流的基于转移的神经网络语义解析？
• RQ4 如何为从TAP链派生的复杂多步工作流可靠地生成自然语言指令？
• RQ5 真实用户生成的TAP在确保自动生成工作流的实际可用性与实用性方面起到何种作用？

主要发现

• 基于TAP链的形式化语法可利用高抽象度、人类可读的MEMRs表示复杂工作流，避免代码膨胀。
• 所提出的语料库构建方法通过串联真实用户TAP成功生成复杂工作流，保持实际相关性与可用性。
• 对TAP链式规则（包括垂直与水平扩展）的人工标注确保了生成工作流的结构有效性与语义一致性。
• 通过基于规则的摘要与句子融合有效生成复杂工作流的自然语言描述，人工优化进一步提升了质量。
• 该方法通过提供结构良好、语法合规的形式化表示，使基于转移的神经网络语义解析可有效应用于复杂工作流。
• 本研究通过将自然语言指令与可执行的TAP链工作流相连接，为智能流程自动化（IPA）奠定了基础。