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

原文地址：https://www.cnblogs.com/vector11248/p/9016814.html