王小捷 關於人機對話系統的思考

2022-07-29 15:24:26 字數 943 閱讀 4860

王小捷--關於人機對話系統的思考

1.人機對話系統簡述

輔助使用者獲得某種服務。比如,航空訂票預訂系統,天氣查詢系統等。

獲取收集資訊的能力較弱。

乙個典型的任務驅動對話系統主要包含3個技術模組。nlu,dm,nlg

其中nlu模組進一步細分為

領域識別:判斷使用者談論的是什麼領域的事情。

意圖識別:識別使用者話語的目的。

語義分析:又稱槽填充,旨在標識使用者話語中與目標有關的語義類別。

dm模組分為兩部分:

對話狀態追蹤:獲取對話的當前狀態

動作選擇:確定系統響應的動作

nlg模組:決定要把什麼具體轉化為自然語言

在實際當中,目標驅動的對話系統與非目標驅動的對話系統並不是有明晰的界限。比如ms cortana,有時可以和使用者閒聊,

有時可能需要幫助使用者訂票。

2.自然語言理解nlu

nlu主要目的是識別輸入話語的領域和意圖,獲得任務

相關的語義資訊。

作者提出了乙個沒有得到應有的重視的問題:如何為nlu模組設定目標。所謂的目標是指「有用的槽」,自然語言當中哪些是「有用」的

哪些是「沒有用」的。

目前的方法是完全由人預先基於對話任務來確定語言理解的目標,再基於這些目標來訓練模型。

另乙個問題:目前nlu,對於語言的理解還停留在比較淺的層次。例如,在槽標註時,大多數模型還只能在語言表層進行標註,

在複雜情況下結合推理進行深入理解的能力較弱或基本沒有。語言推理不僅需要對語言本體的理解,其背後還需要更為豐富的

關於現實世界,事件及其關係的知識進行支撐。

3.對話管理

dm發展源於兩個方面:

dm計算模型發展,語言學研究成果的借鑑。

作者提出乙個基於「互動語言學」的將鄰輪對話作為乙個分析單元。

4.系統構建

在構建方面,作者提出「多工聯合建模」的發展方向。

人機對話系統與自然語言處理

一兩年前由於工作需要重點研究過自然語言處理與人機對話系統,本文將會列出的它們的知識點以及自己的思考。對於普通企業,人機對話目前主要的應用是任務型人機對話系統。不管是nlp亦或是chatbot,學術上和工程上都有不同的實現手段。學術界上人機對話系統的研究成果以及最新的研究趨勢在工程上應用的較少,而工程...

一些人機對話方面的資料

一些想法 一 人機對話程式反應速度太慢,一句話一般需要1500ms以上,再加上網路延遲和較大的提問量,速度可能會不理想。二 購買的語料庫很可能需要再次處理。我們的人機對話的智慧型性一部分是語料庫的容量,一部分也要靠分詞,如果其他公司或個人的語料庫的訪問演算法和我們不同 極有可能 就需要對其進行處理 ...

ABB 機械人 通訊指令 人機對話

1 清屏指令 tperase 2 寫屏指令 pwrite string tring 顯示的字串。string 在示教器顯示屏上顯示字串資料,也可以用 形式直接定義字串,每乙個寫屏指令最多顯示80個字元。3 功能鍵讀取指令 tpreadfk,answer text fk1 fk2.fk3,fk4 fk...