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
