《百度UNIT对话系统核心技术解析》2018-09

Posted 2020-11-28 cheesezh

原文链接：https://mp.weixin.qq.com/s/n1ASECUOWH7UY73yDiVaUg

口语理解

• 基于语义解析的口语理解模式，是将用户请求解析为所包含语义信息的结构化表达。其中，最典型的结构化表达是意图（描述用户的核心诉求）+ 词槽（描述意图的关键信息）的模式。常用方法有基于知识规则的方法，基于机器学习的方法，基于融合策略的方法。
• 基于语义匹配的口语理解模式，不需要解析出具体的格式，而是需要寻找与其具有最高语义匹配程度的问答对。

对话管理

• 对话状态跟踪，即根据对话历史计算当前对话状态，管理并更新对话历史。其常用方法为：基于人工规则的方法，基于机器学习的方法。通过建立影射，输入会话历史，然后输出当前对话状态。
• 对话策略选择，即根据当前对话状态，选择接下来最恰当的操作。其常用方法为：基于人工规则的方法，基于机器学习的方法，基于强化学习的方法。同样是通过建模影射的过程，输入当前对话状态，输出系统回复和指令执行。

系统评估

• 对单个系统的精度给出量化的指标数据，用于单个系统的精度评估。由于口语理解精度直接影响对话管理运行，进而影响对话系统效果，因此可以通过评估口语理解来评估对话系统。其中有三个指标：准确率（Precision），召回率（Recall），F 值（F-measure）。
• 对两个系统的精度对比给出量化的指标数据，用于系统迭代时给出精度对比。针对系统迭代需求，比较基线系统 X 和对比系统 Y 的优势。其中两个系统的定量对比涉及的指标：
  • Diff 面：同一条 query 解析结果不一致的情况在抽样集合中的占比
  • G（变好）：针对同一条 query，Y 的结果比 X 好
  • S（相同）：针对同一条 query，Y 的结果与 X 差不多
  • B（变差）：针对同一条 query，Y 的结果比 X 差
  • 如果 Y 要替换 X，至少 G>B；同时如果 Diff 面过大，需要考虑用户体验的波动。

沙盒的概念。

关于数据量：100 可训；1000 可用
所有已标注样本都会进入 K-V 字典，K-V 字典保证样本一定会按标注的方式解析，当词槽识别出现不稳定时，注意看看样本