人工智能技术 第11章 机器人的实现.ppt

*基于生成的对话系统模式：s1–s2，即由字符串s1得到s2。生成模型在深度学习领域应用广泛，在自然语言方面应用最为成功的就是机器翻译，还有一些诗歌与音乐的创作也属于这类模型的应用。生成式对话机器人虽然有很多优点，但当前工业界却很少采用该方式，究其原因主要是目前机器人生成的答复内容不可控，且容易出现语法错误、语句不通顺等问题。***绿框中的Z节点就是模型对情感化的考虑，通过将ContextRNN的h作为输入，进行情感分类处理，输出结果同h一同作为输入进入解码器。相当于解码器是在标记条件Z下进行生成，从而使得生成语句附带情感属性。******Google在博客中介绍称，Meena是个26亿参数的端到端训练的神经会话模型，是GPT-2模型最大版本（15亿参数）的1.7倍。据称，Google利用400亿字的数据集，通过2048个张量处理单元（即Tensor?Processing?Unit，Google专用AI芯片）训练了30天，得到了最佳版本。实验表明，比起聊天机器人?SOTA，Meena?能更好地完成对话，内容也更具体、清楚。*****自然语言理解模块：当用户语言经过自然语言理解模块时，即需要经过领域识别，用户意图识别以及槽位提取三个子模块。领域识别，即识别该语句是不是属于这个任务场景，一般有多个机器人集成时，如闲聊机器人，问答机器人等，领域识别应当在进入任务型机器人之前做判断与分发；意图识别，即识别用户意图，细分该任务型场景下的子场景；实体识别与槽位填充，用于对话管理模块的输入。对话管理模块：自然语言理解模块的三元组输出将作为对话管理系统的输入。对话管理系统包括两部分，状态追踪以及对话策略。状态追踪模块包括持续对话的各种信息，根据旧状态，用户状态（即上述的三元组）与系统状态（即通过与数据库的查询情况）来更新当前的对话状态如图3所示。对话策略与所在任务场景息息相关，通常作为对话管理模块的输出，如对该场景下缺失槽位的反问策略等。自然语言生成模块自然语言模块通常采用基于模版，基于语法或模型等。模版与语法主要基于规则的策略，模型可以用如LSTM等网络生成自然语言。*******按功能角度分类3、表格问答（TableQA）中，表格也可以看作是二维的知识图谱，模型会把用户的自然语言转化成SQL查询语句，直接从数据库里定位到答案。4、文档问答（PassageQA）：阅读理解，它是基于文档的问答，我们的问答模型会基于用户的问题，将答案定位在文档的某个段落、某句话甚至是某个短语。问答型对话示例（1）问答型对话机器人分类按功能角度分类（2）任务型对话机器人任务型机器人指特定条件下提供信息或服务的机器人。通常情况下是为了满足带有明确目的的用户，例如查流量，查话费，订餐，订票，咨询等任务型场景。由于用户的需求较为复杂，通常情况下需分多轮互动，用户也可能在对话过程中不断修改与完善自己的需求，任务型对话机器人需要通过询问、澄清和确认来帮助用户明确目的。按功能角度分类（2）任务型对话机器人任务型机器人核心模块自然语言理解模块对话管理模块自然语言生成模块整体框架如图：按功能角度分类（3）闲聊型对话机器人闲聊型主要指的是用户为了获得某种情感需求而进行的对话，对话领域往往是开放域，闲聊的实现方式有多种，例如基于匹配/规则的方式、基于检索的方式、基于编解码结构的端到端模型的方式。按功能角度分类（3）闲聊型对话机器人机器人还要能够感知到用户情绪，比如用户愤怒了能安慰用户；能够对一些敏感词进行过滤；还应该对一些开放领域知识进行回答，比如下一届奥运会在哪里举行。按功能角度分类（4）任务型与闲聊型对比闲聊型任务型意图：订机票槽位信息：时间出发地目的地Ideepwise产品：阿里小蜜产品：意图：查商品槽位信息：类刑品牌功能闲聊型任务型代码案例代码案例代码案例代码案例谢谢聆听！*本节我们从以下几个方面展开学习，第一、对话机器人技术实现方式分类、第二、对话机器人按对话领域分类、第三、对话机器人按功能角度分类，及实现代码案例分享。*********大家好，本次课程我们来学习《对话机器人分类》*本节我们从以下几个方面展开学习，第一、对话机器人技术实现方式分类、第二、对话机器人按对话领域分类、第三、对话机器人按功能角度分类，及实现代码案例分享。*首先我们来学习对话机器人按技术实现方式的分类*对话机器人按技术实现方式的分类主要可分为两类，第一类、检索式对话机器人、第二类、生成式对话机器人。对话机器人是经由对话或文字进