“Alexa，关灯并播放音乐。”当语音助理接收到复杂的行为指令时，该怎么处理？AWS最近集成了迁移学习和复制机制（copying mechanism），构建能够听懂多个意图指令的语义分析器。
传统上来说，Alexa会根据意图和slot来解读用户请求，举例来说，若用户说“Alexa，播放Marvin Gaye的What’s Going On？”，该请求的意图是播放音乐，而歌曲名和歌手名字会填补slot的信息，不过，这样简单的机制并无法处理含有多个意图的指令，像是“Alexa，添加花生酱和牛奶到购物清单，并且播放音乐”，要处理像这样的指令，需要一个能够分析句子结构和内容的语义分析器。
不过，利用机器学习构建语义分析器是相当困难的，因为训练数据必须要有复杂的标记，为了解决这项问题，AWS集成了迁移学习和复制机制两项技术，迁移学习可以减少构建机器学习模型所需的数据量，将现有模型的知识转移到新模型中，而复制机制则是可以让模型处理从未见过的字词，像是特定的歌手名字，这项机制在训练数据稀疏的情况下是相当重要的。
AWS在两项任务中测试该语义分析器，分别是自然语言理解和问题回答，在自然语言理解相关的测试中，AWS发现只有复制机制，就能将整体模型的平均正确率提升61%，而加上迁移学习能够再提升6.4%，而在问题回答的任务中，AWS使用了两个包含自由格式问题的公开数据集，测试结果显示迁移学习将模型的表现提升了10.8%。