标签:事件 标识 类别 方法 获得 研究 意图 img 语义分析
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。
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
- 领域识别:判断用户谈论的是什么领域的事情。
- 意图识别:识别用户话语的目的。
- 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:
- 对话状态追踪:获取对话的当前状态
- 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
王小捷--关于人机对话系统的思考
标签:事件 标识 类别 方法 获得 研究 意图 img 语义分析
原文地址:https://www.cnblogs.com/vector11248/p/9016814.html