王小捷--关于人机对话系统的思考

Posted vector11248

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了王小捷--关于人机对话系统的思考相关的知识,希望对你有一定的参考价值。

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
技术分享图片
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
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

以上是关于王小捷--关于人机对话系统的思考的主要内容,如果未能解决你的问题,请参考以下文章

线上直播人机多轮对话的方法综述

2020智源-京东多模态对话挑战赛开战 产学研联合推动AI技术发展

2020智源-京东多模态对话挑战赛开战 产学研联合推动AI技术发展

普惠NLP智能对话系统

管理信息系统 第三部分 作业

管理信息系统 第三部分 作业