基于NLU的智能对话系统

逃离我推掉我的手 2022-05-11 03:38 624阅读 0赞

### 文章目录 ###

*  一、概念
 *   *  1. 对话系统
     *  2. 任务型机器人的组成
     *   *  自然语言理解模块NLU——Language Understanding
         *  对话管理模块DM——Dialog Management
         *  自然语言生成模块——Natural Language Generation
     *  3. 百度unit
     *  4. 阿里小蜜
     *  5. 在任务型对话系统（Task-Oriented Dialogue System）
 *  二、对接流程
 *  三、

--------------------

对话的业务场景  
![在这里插入图片描述][format_png]

# 一、概念 #

## 1. 对话系统 ##

对话系统分类:

*  **任务型**:明确任务需求
 *  **问答型**:智能客服
 *  **闲聊型**:

1.  召回率=机器人能回答的问题数/问题总数  
    召回率低原因:1.知识库不足和自学能力差(自动化学习) 2.由于语义理解出问题,没找到相似问题,需要优化算法
2.  回答准确率 一般任务型机器人要求准确率,宁不答也不错
3.  准确的语义理解 (上下文关联.中途打断回溯,支持指代识别)
4.  个性化语言(用户画像:不同用户不同回答,对话状态管理)
5.  意图识别: 用户潜在诉求
6.  确认对话系统步骤(确认场景边界->梳理业务及知识库->撰写故事线->抽取对话流程)

## 2. 任务型机器人的组成 ##

### 自然语言理解模块NLU——Language Understanding ###

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；实体识别与槽位填充，用于对话管理模块的输入

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。

### 对话管理模块DM——Dialog Management ###

任务型机器人的大脑

对话管理系统包括两部分，状态追踪以及对话策略 。

状态追踪模块 包括持续对话的各种信息，根据旧状态，用户状态（即上述的三元组）与系统状态（即通过与数据库的查询情况）来更新当前的对话状态。  
 对话策略 与所在任务场景息息相关，通常作为对话管理模块的输出，如对该场景下缺失槽位的反问策略等。

自然语言理解模块的三元组输出将作为对话管理系统的输入。  
状态追踪模块就要根据前几轮的信息，结合该输入判断该轮的查询状态，确定查询的槽位，以及与数据库的交互，根据现有的对话策略判断当前的槽位状态，最后给出对话管理模块的输出

DM根据用户动作和话术配置生成系统动作（System Action），主要包括系统对用户输入产生的回复相关信息，如回复语音、回复文本、回复意图等信息，其回复语音最终通过SIP通道发送到用户端，完成一轮人机对话。

用户和系统多次交互的对话动作按序排列，组成对话历史（Dialog History），也称为对话上下文（Dialog Context）。 对话上下文由对话管理器保存和维护，除了保留对话历史外，还用于辅助对话管理器产生系统动作。

在人机对话过程中，有一些特殊的事件（如用户长时间不说话等）需要被系统捕获并处理，这个工作是由触发器（Trigger）来完成的。 触发器在特定的触发条件下（如上述用户长时间不说话）生成触发器动作（Trigger Action）。 与用户动作一样，触发器动作也由对话管理器处理，并生成对应的系统动作（如主动询问用户是否还在听

> [\- 更多对话管理文章][-]

### 自然语言生成模块——Natural Language Generation ###

## 3. 百度unit ##

搭建对话系统的平台 包含了(NLP基础技术+机器学习+百度大数据)  
2.1 DMkit 开源的对话管理框架  
![识别意图和词槽(云端)->对话管理->资源检索和任务执行][-_-]  
2.2 Bot 特定场景下的对话系统  
2.3 技能: 解析意图或实现简单的问答  
2.4 意图 用户目的  
2.5 词槽 满足意图的筛选条件,关键字  
2.6 知识图谱 语义网,知识的结构化表示  
2.7 情感分析 正面情感,中立,负面

## 4. 阿里小蜜 ##

[wx文章链接][wx]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzYyNjc3_size_16_color_FFFFFF_t_70]

## 5. 在任务型对话系统（Task-Oriented Dialogue System） ##

一般包括了以下几个模块：

Automatic Speech Recognition（ASR），即语音识别模块，将音频转化为文本输入。  
Natural Language Understanding（NLU），即自然语言理解模块，通过分析文本输入，解析得到对话意图与槽位（Intent + Slots）。  
Dialog Manager（DM），即对话管理模块，根据NLU模块分析得到的意图+槽位值，结合当前对话状态，执行对应的动作并返回结果。其中执行的动作可能涉及到对内部或外部知识库的查询。  
Natural Language Generation（NLG），即自然语言生成。目前一般采用模板的形式。  
Text To Speech（TTS），即文字转语音模块，将对话系统的文本输出转化为音频。

# 二、对接流程 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzYyNjc3_size_16_color_FFFFFF_t_70 1]

--------------------

# 三、 #

[format_png]: /images/20220511/7f9446373da74cc8a7b9a25aef42b952.png
[-]: https://www.jishuwen.com/d/2heF
[-_-]: /images/20220511/3cc513a11fda4bddb3b34cf601d61eb1.png
[wx]: https://mp.weixin.qq.com/s/mAF_nFgkBkn_RZ1ogu7y5Q?from=timeline&scene=2&subscene=1&clicktime=1570675018&enterid=1570675018
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzYyNjc3_size_16_color_FFFFFF_t_70]: /images/20220511/e8930c1d67b34c7283020e7587281bc9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM2NzYyNjc3_size_16_color_FFFFFF_t_70 1]: /images/20220511/286d529180434b07823601b22fa58c03.png