如何搭建一個對話系統——對話系統專業術語科普
本文內容學習自*度理解與交互技術平台UNIT教學視頻。
單輪對話
指簡單的一問一答，問題可以用一句話來描述，不依賴於上下文。對話系統中大量的問題都是這樣的單輪問答。
一般這樣的問答依賴於一個知識庫/問答對集合，機器人從知識庫里檢索相似的問題，給出答案。
如：
單輪對話有三個評價指標：
召回率
召回率：機器人能答上來的問題越多，則召回率越高。會話沒有召回可能存在兩種情況：
- 知識庫規則不夠全面，問題是知識庫里沒有的問題，在這種情況下需要完善知識庫，涉及到知識庫的初始設置和後續的自學習能力。
- 相似問題在知識庫里有，但由於語義理解問題沒有找到，這種情況下則需要優化演算法。
準確率
對閑聊型機器人來說，準確率不重要，更關注召回率，甚至是否有趣、情感也是指標。
對任務型和問答型機器人來說，要求優先保證準確率，即寧願不回答，也不能答錯。
準確率這一評測指標在實際使用中需要人工來標機器人的回答是否準確，所以使用場景相對受限。企業的客服部門通常會使用問題解決率來作為日常工作中對機器人的主要評測指標。
問題解決率
企業需要設置合理的機器人轉人工客服策略，確保顧客在機器人不能很好的解決問題時，或者發現用戶已經情緒很不好的時候，可以轉由人工客服接待。同時，企業在客服系統中應該有對機器人客服的反饋和打分機制。
單輪對話的難點
識別同一問題的不同表達方式
理解語義細微差別，處理差異性問法
聚類高頻問題，自動學習優化知識庫
提高召回率和準確率，需要完善知識庫。人工補充知識庫是非常困難的，機器人需要有自主學習能力，根據歷史對話數據，自動總結及挖掘不在知識庫內的調頻問句，補充和完善知識庫。
多輪對話
考慮話語之間的相互關係，可以處理不完整的語義情況，記錄歷史對話。
任務完成率
要注意會話成功結束，並不一定意味著問題得到解決，也可能客戶沒有從機器人處得到需要答案。通常，多輪會話機器人會設置轉人工策略，當機器人會話不能繼續時，轉交給人工客服處理。
對制難度
- 是否提供完整的API介面和開發文檔，技術開發人員能夠快速開發和集成
- 是否支持非AI專業人員開發多輪對話模型
- 界面交互體驗是否優秀，是否支持可視化編輯
多輪對話補充信息
- 必要信息不一定是與用戶對話獲取的，也可以從其它方式來獲取，比如GPS定位等。
- 多輪對話在形式上並不一定要與用戶有多次對話交互。
多輪對話難點
準確進行語義理解
狀態管理及個性化語言生成
- 用戶畫像管理，結合用戶畫像，機器人應當作出千人千面的個性化問答反饋，如：即使相同的問題，不同地域的用戶問，得到的答案是不同的。
- 對話狀態管理
意圖識別
意圖識別指識別提問者的潛在目的及表達訴求。
意圖識別與預置行業知識庫有關係。預置行業知識庫越完善，機器人對用戶的意圖就能夠識別得更加具體和準確。
其它難點
- 用戶輸入不規範，且同一問題不同用戶的表達有差異
- 多意圖判斷，相同的辭彙如水，可能有多種意思，可能是喝的水，也可能是護膚品爽膚水
- 數據冷啟動，必須基於大量數據才能定義並獲取準確意圖
- 沒有固定評價標準，用戶意圖並沒有量化測量指標，基本以人為主觀判斷為準。
對話理解方法
- 基於語義解析：任務型
- 基於語義匹配：問答型
基於語義解析的對話理解
識別用戶對話意圖並將其參數化：
基於語義解析的常見技術手段：
基於語義匹配的對話理解
識別用戶對話效果圖並找到與該意圖最相似的問答對。
基於語義匹配的常見技術手段：
