NLP人机对话系统应用场景及技术

Posted 2023-04-02

参考技术A 人机对话根据对话轮次，可分为单轮和多轮；根据对话目的，可分为任务型和闲聊型；

按应用场景可分为三类：

1) 单轮的问答系统

一问一答的形式，对用户的问题给出精准的答案。

如天猫的客服机器人介绍产品，退换货流程等信息，可取代有标准化答案的人工工作。

单轮对话只涉及简单的上下文处理，可通过指代消解和 query 补全来完成的。单轮对话的技术主要是信息检索，当问题有多个候选答案时还需要一个基于机器学习的排序系统。

问题可分为以下几种类型：

a) 事实型问题

如：天空为什么是蓝色的？

b) 列举型问题

如：美国历任总统

c) 定义型问题

如：什么是人工智能

技术原理(待补充)

2) 开放领域的聊天系统

如聊天机器人小冰、Siri、出门问问、科大讯飞、度秘等等，智能音箱的闲聊；

技术原理(待补充)

3) 特定领域任务驱动的多轮对话系统

如语音生活助手：订机票，酒店，查路线，查附近美食；

如订火车票，机票，酒店，这些日常生活领域，人们的需求目的是信息查询及订购。需要多轮交互，通过给用户提供选择，询问领域相关的限制条件，澄清或确认需求等手段，推理用户意图。所以

任务驱动的多轮对话不是一个简单的自然语言理解加信息检索的过程，而是一个决策过程，需要系统根据当前的状态决策下一步应该采取的最优动作。

技术原理（待补充）

王小捷--关于人机对话系统的思考

王小捷--关于人机对话系统的思考

1.人机对话系统简述

• 目标驱动型人机对话（任务驱动对话系统）通过与用户进行多轮对话，逐步收集与目标相关的信息，

辅助用户获得某种服务。比如，航空订票预订系统，天气查询系统等。

• 非目标驱动型人机对话，类似闲聊。

获取收集信息的能力较弱。

 

一个典型的任务驱动对话系统主要包含3个技术模块。NLU，DM，NLG

其中NLU模块进一步细分为

1. 领域识别：判断用户谈论的是什么领域的事情。
2. 意图识别：识别用户话语的目的。
3. 语义分析：又称槽填充，旨在标识用户话语中与目标有关的语义类别。

DM模块分为两部分：

1. 对话状态追踪：获取对话的当前状态
2. 动作选择：确定系统响应的动作

NLG模块：决定要把什么具体转化为自然语言

 

在实际当中，目标驱动的对话系统与非目标驱动的对话系统并不是有明晰的界限。比如MS Cortana,有时可以和用户闲聊，

有时可能需要帮助用户订票。

 

2.自然语言理解NLU

NLU主要目的是识别输入话语的领域和意图，获得任务

相关的语义信息。

作者提出了一个没有得到应有的重视的问题：如何为NLU模块设定目标。所谓的目标是指“有用的槽”，自然语言当中哪些是“有用”的

哪些是“没有用”的。

目前的方法是完全由人预先基于对话任务来确定语言理解的目标，再基于这些目标来训练模型。

另一个问题：目前NLU，对于语言的理解还停留在比较浅的层次。例如，在槽标注时，大多数模型还只能在语言表层进行标注，

在复杂情况下结合推理进行深入理解的能力较弱或基本没有。语言推理不仅需要对语言本体的理解，其背后还需要更为丰富的

关于现实世界，事件及其关系的知识进行支撑。

 

3.对话管理

DM发展源于两个方面：

DM计算模型发展，语言学研究成果的借鉴。

作者提出一个基于“交互语言学”的将邻轮对话作为一个分析单元。

 

4.系统构建

在构建方面，作者提出“多任务联合建模”的发展方向。

• NLU模块内子任务的联合建模
• NLU，DM模块联合建模