多轮对话（一）：概述（意图识别+槽填充）

一、对话系统

基于流水线的面向任务的对话系统包含了四个关键部分：

• 语言理解。它被称为自然语言理解（NLU），它把用户话语解析为预定义的语义槽。
• 对话状态跟踪器。它管理每一轮的输入与对话历史，输出当前对话状态。
• 对话策略学习。它根据当前对话状态学习下一步动作。
• 自然语言生成（NLG）。它将选择的动作映射到其表层，生成回复。

因为我现在做的是意图识别，所以我这里只介绍NLU相关内容，其余部分可以参考第四篇参考文献和第五篇参考文献，里面还有案例，非常容易理解。

NLU：把自然语言转换成机器可以处理的领域（domain）/意图（intention）和槽植对（slot-value pairs）。它的输入Xn是用户的Utterance，输出Un=(In, Zn), In是intention，Zn是槽植对。In=f(Xn) , 就是意图分类，一般分类方法都行。Zn=f(Xn)，Zn = { 1, 2, 3…}，是序列标注问题（槽填充），传统的CRF、HMM都行，RNN、LSTM、GRU等也可以。

对话系统按功能来划分的话，分为闲聊型、任务型、知识问答型和推荐型。在不同类型的聊天系统中，NLU也不尽相