任务型多轮对话系统概述

主要模块

任务型机器人核心模块主要包括三个模块：

• 自然语言理解模块（NLU）
• 对话管理模块
• 自然语言生成模块（NLG）
  
  

自然语言理解模块

该模块一般包含以下三个模块：

• 领域识别：即识别该语句是不是属于这个任务场景，一般有多个机器人集成时，如闲聊机器人，问答机器人等，领域识别应当在进入任务型机器人之前做判断与分发
• 意图识别：即识别用户意图，细分该任务型场景下的子场景、
• 语义槽填充：用于对话管理模块的输入

举例

假设Text=“人民币对美元的汇率是多少”；经过自然语言理解模块会解析为 act ( slot1 = value1, slot2 = value2 ……) 的形式，即意图，槽位，槽位信息三元组形式，即 Text会解析为“查询（槽位1=人民币，槽位2=美元)”这样的形式。

方法

基于规则理解方法

【优点】

• 不需要大量训练数据

【缺点】

• 容易出错
• 调整规则费时费力，难以维护

统计方法（对齐）

基于词对齐数据的自然语言理解通常被看做一个序列标注问题。主要有以下两类方法：

• 基于生成式模型
  
  • 随机有限状态机（FST）
  • 统计机器翻译（SMT）
  • 动态贝叶斯网络（DBN）
• 基于判别式模型