整理自2019AI科学前沿大会分会场2-自然语言处理，如有侵权，请联系作者删除。
图片下载链接: https://pan.baidu.com/s/1M_n9OX3H6U7AujsYFIpHOw 提取码: iz2x
1-通用对话系统-阿里大文娱-李亚楠
对于对话系统的理解，我们想象中是像经常在电影里看到的比如贾维斯等的，但是回归到现实世界中，有时候会觉得对话系统有些智障。本次的分享主要以技术报告的形式，我们先看看对话系统的发展过程，上个世纪60年代，出现了Elisa（对话机器人），甚至后来用于心理咨询师等等。我们从工业界、搜索引擎的角度出发来看，第一代互联网的出现时因为信息量增多，杨致远和他的舍友通过手动编辑的方式，也就是当时的Yahoo，后来有发展到了Google网页搜索阶段，再后来web搜索。
大致经历了中国雅虎搜索、阿里云搜索、神马搜索、UC头条、夸克。
也就是说，我们需要一个跨平台多终端的智能助手，主要分为三个方面：业务产品：UC浏览器、UC头条等；技术设施：搜索、推荐、智能交互；内容生态：阿里的大鱼号、知识图谱、用户画像、非结构化的网页生态等等。
通用对话平台的结构框架如下：核心是对话系统SDS
对话系统中的五个组成部分：自动语音识别（ASR），自然语言理解（NLU），对话管理（DM），自然语言生成（NLG）和文本到语音合成（TTS）。
迁移学习主要有半监督和监督两种方式。数据量大，会采用小样本学习的方法。
对话管理（DM）的目的是在有着不同知识的不同领域中通过使用NLP的方法进行流畅地表达，涉及到众多领域，同时聊天也有很多技术，如聊天术等等的，如何将他们统一起来，进行灵活地处理，是一个难点，同时也需要注意到它的可扩展性，不能说稍有变动就重头来过，因此提出了这个业务与引擎分离的思想，业务就是上层的一些机构和分支，DST层就是引擎层。
除了检索式对话系统，还有生成式的对话系统，生成式的对话系统的概念，是当前的一个学术热点，但是目前应用不成书，准确率低。
目前对话系统在古诗生成、对联生成等方面做的较好，但是在简单的日常对话上表现欠佳。
Q:对知识图谱的查询是否会消耗大量的时间，知识图谱的存储。
答：知识图谱的建立经过很长时间，大概三四年，需要一个慢慢积累的过程，尤其是长尾数据。知识图谱存在于图数据库中，对它做关系抽取、验证，时间是挑战之一，如果规模大，那么相应的灵活性相应地较小，目前只用于处理一些比较简单的问题，如一轮推理。