从现场演示可以看到，百度地图语音助手精准识别、理解了长达60多字的服务请求，并自然流畅地提供了导航服务，引起了现场观众的欢呼与好奇。这种对于超长query也能轻松解析识别的能力，正是基于百度理解与交互技术UNIT才得以成功实现。

依赖UNIT提供的持续学习的高精度对话理解技术、独创的像人类一样理解与学习的Interactive Learning机制，以及开源的对话管理与任务满足框架，开发者也可以快速拥有一个像这样聪明的机器人，并通过人机交流让机器人实现终身学习，越来越智能化。

这样复杂的query，很多人都会觉得很难解析，而在UNIT平台上，其实只要一条模板就可以理解60%的长query导航对话了。下面我们就带着大家来看看，如何来实现。

【长query导航场景的实现思路】

“我要从三里屯的团结湖地铁站出发先去望京的家乐福然后去南锣鼓巷最后回家我要红绿灯少的不拥堵的时间快的路线”

1、在导航场景中其意图是要寻找一条导航的路线，句子中涉及的关键信息包括两类：一类是重要的地点信息（POI，point of interest），另一类是路线的附加属性。

以上面句子为例，POI信息包括起点（三里图的团结湖地铁站）、途经点（望京的家乐福、南锣鼓巷）和终点（家）,附加属性包括红绿灯少、不拥堵和时间快，识别得到这些信息，就可以满足导航场景下的需求，达到理解句子的目的。

2、UNIT提供了无序模板匹配技术，可以将关键信息作为核心，无序匹配关键信息的片段，实现对句子的处理和理解。

同样以上面句子为例，起点的信息片段为“从POI出发”，途经点的信息片段为“先去POI”和“然后去POI”，而终点的信息片段为“最后回POI”，附加属性的信息片段即为其本身。在UNIT平台，POI复用系统地理位置词槽，同时利用无序模板匹配信息片段，即可得到关键POI信息和附加属性信息，满足导航场景下的需求。

【UNIT平台的配置教学】

一、配置意图、词槽

导航场景中需要配置

l  1个导航意图【NAVIGATION_ROUTE】

l  4个词槽，分别是：

导航[D:user_navigate]

出发地[D:user_start]

途经地[D:user_pass_by]

目的地[D:user_destination]

l  5个关键词，分别是：

导航[D:kw_navigation]

多节点[D:kw_multi_node]

出发地的前缀[D:kw_start_prefix]

出发地的后缀[D:kw_start_suffix]

途经点的前缀[D:kw_after_go]

二、模板配置规则

在UNIT的对话模板部分配置一条模板， UNIT平台的模板只需要标注模板片段顺序与是否必须匹配的属性即可。

l  导航中包含的四个模板片段分别为：

1.[D:kw_after_go] [D:user_pass_by]——途径某地的说法

2. [D:kw_navigation] [D:user_destination]——导航到目的地的各种说法

3. [D:kw_start_prefix] [D:user_start] [D:kw_start_suffix]——出发地的各种说法

4. [D:kw_multi_node] [D:user_pass_by]——途径多个地方的说法

l  模板片段顺序：标记为0，表示为无序模板

l  阈值：设置为0.7，表示识别的内容占query的长度的70%+，则命中该模板

l  模板片段无须匹配：所有片段都标注为“否”，表示用户query中只要包含其中一个片段且阈值大于0.7，则命中该模板

这样，用户各种导航需求都可以用以上一条训练数据实现了。即使是超长query，也能准确解析识别。