对话系统
2018-06-13 19:21:50 0 举报
AI智能生成
人工智能对话系统综述,分类架构等细节描述。
作者其他创作
大纲/内容
任务型对话系统
系统架构
分模块
意图识别
多分类任务,比较常用随机森林/支持向量机SVM/LSTM/CNN/RNN等
实体识别
词槽填充,序列标注任务,常用条件随机场CRF/DNN/RNN
会话管理
管理用户当前任务状态
回答生成
根据会话管理的输出给出用户回复,常用基于模板/基于网络生成回答
网络解决
一个网络架构作为整体解决所有问题,缺点是调教困难
目的
帮助用户解决某些特定的任务
难点
上下文记忆/用户画像/应对复杂场景/对话轮次控制等等
开放域对话系统
系统架构
神经网络生成模型
Seq2Seq序列到序列模型
学习对话轮,网络作为黑盒解决用户语句理解和回应
研究点
语义多样性
机器人人格
理解用户情绪,并产生对应回复
记忆上下文
通过将当前对话和历史对话一起作为输入来保留上下文信息
交互对话自学习
类似阿尔法零的强化学习自我提升
检索式模型
单轮检索
每轮对话都单独进行回答检索
多轮检索
将当前对话和历史对话一起作为输入检索回答
检索之前语句特征的获取基本通过神经网络实现
目的
和用户持续聊天,对用户采用合理应对策略吸引用户兴趣,多用于娱乐
问答系统
系统架构
基于信息检索
用户问题关键字-文章检索-段落抽取-答案抽取
不足:知识表示多样性/知识不一致性,已经海量信息必须建立关键字索引来定位,也就导致很多问题检索不到回答
知识图谱
将数据结构化表示,便于知识的表示和理解,便于检索
难点:问题语义表示/知识匹配映射
目的
成为某一知识领域的问题百科
0 条评论
下一页