口语对话管理综述

作者：王菁华

对话系统的基本流程

1 语音识别(将用户输入的声音转化成文本)命令行输入时可不用(ASR)

2自然语言分析（NLU) 对ASR输出的文本进行分析，建立语义表示。

3对话管理核心部分，根据NLU分析出的用户语义控制整个对话的进行

4后台数据库进行查询数据

5自然语言生成将文本结构合成声音（NLG）

核心部分：

从NLU服务器接收分析出来的结果，根据保存的对话状态和对历史判断对话流程，组织回答发送给NLG，若查询条件满足则组织进行后台数据库的查询。

对话管理系统应当根据对话历史建立上下文信息，并根据上下文正确理解用户输入。

现流行的是用户与系统主导的对话系统，用户可以提出问题，系统根据查询条件是否满足回馈用户，若查询条件满足，则进行查询数据库组织语言返回，若不满足，则对用户进行提问来查找缺少的查询条件。

对话管理设计方法介绍

1 基于状态图的结构

利用有限状态机来控制对话的进行，类似于RNN，s表示状态，x表示用户输入，y表示系统输出。s(t+1) = r(s(t),x(t)) 这表示一状态，y(t) = u(s(t),x(t)),表示系统输出，即下一状态由当前状态和系统输入决定，输出由当前状态和用户输入决定。个人感觉类似于RNN

缺点：需要考虑到用户提问的全部情况，小对话时可使用例如提问bye thank you这种，当需要查询条件多时无法满足。灵活性较差。但响应较快。

2 填充槽结构

采用多维特征向量来表示对话的情况。可以在对话的过程中不断修改向量的值，对于操作的顺序没有严格限制，根据现在状态进行响应，随后根据用户的回答或系统的反应修改特征向量。

缺点：也需要列出所有可能状态。

3 基于任务的结构

任务是指用户为达到某一目的采取的一系列操作或对话。可以采用树进行表示

电影服务是根节点，随后以下各个节点表示为解决该任务所需要的信息，要素之间的关系可通过与或者 “或” 进行表示，系统首先判断是什么任务，建立任务树，随后提问用户所需要的查询信息，根据用户回答来填充树。

4 基于逻辑表达式的结构

将上述任务树转换成逻辑表达式与的结构。

根任务表达成各个自信息元素的集合。是对任务树的一种抽象，信息要素之间的关系表达更为简单明了。

买飞机票的任务树转换成逻辑表达式

5状态图和逻辑表达式混合使用

对于简单的提问例如谢谢再见等可用有限状态机来进行表示，而对于复杂的提问。可建立对应的任务树或者逻辑表达式进行信息条件填充，查询和应答。