版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_31214097/article/details/85141542
在经过了(NLU)用户语言分析和对话模型生成(policy module)后，产生了相应的槽值对，例如
所以，重要的是，是根据槽值对，产生相应的系统回答话语，来反馈给用户，我们可以将上述系统产生的动作产生如下的输出。
所以，关键的步骤便是如何根据槽值对来产生对应的语言。
第一种也是根据传统的模板的方法，利用正则表达式，
系统决策是从本体库中查询用户相对应的所需数据，例如根据i want a cheap restaurant 来产生相应的用户动作后，从系统对应的本体库中查询，产生与用户动作相同的系统动作，随后根据系统动作填充对应缺省的地方即可。这种方式较为笨拙，无法适用于大型网络。
而以下采用的方法便是根据传统的深度学习方法。利用RNN的LSTM的长短型记忆，来产生话语。具体这里不进行展开。