浅谈对话系统

随着社会发展，我们的生活中方方面面都充斥着各种对话系统，常见提供对话系统的组织有：运营商、电商、政府服务窗口等，刚才提到的例子一般都属于任务型对话系统。何为任务型的对话系统呢？指的就是用户通常通过该对话系统获取某些（领域）知识，比如话费套餐、商品咨询以及办事流程等。
大部分任务型对话系统基于一系列规则堆积实现，系统会通过特定的对用户的询问，获取大量槽值，根据槽值来确定策略结果，然后使用NLG来生成策略结果的文本描述，如图1自助订票简化版样例。

但是随着对话系统的不断应用，单纯知识获取的任务型对话系统也满足不了人们的“聊天”需求，比如iphone用户经常会问Siri：“你是男是女”，“我缺个人陪我吃早饭”等等。所以生成型对话系统慢慢发展起来了。生成性对话系统一般分为两类：一类是检索式，一类是生成式。
首先来聊检索式生成型对话系统，顾名思义，它的实现基于大量且丰富的对话语料库，检索和用户询问最相似的对话，作为输出。在工程实践上一般分为粗排和精排两步，和推荐的召回系统一样，采用两步可以快速高效的找出最合适的结果。一般粗排检索范围大、算法简单；精排计算范围小、算法复杂。检索式生成型对话系统的优势是可以给出“最像人话的答案”，因为语料库本身就是可控的。但这也是它的缺陷，不能生成“新东西”。
那么接下来，我们就来聊可以生成“新东西”的生成式生成型对话系统。该对话系统更多的借鉴了机器翻译的seq2seq方法，使用概率模型来实现，目标函数选用极大似然估计，工程上会用条件概率来替换联合概率（计算量相对较少）。


随着研究的不断深入，RNN替代了条件概率，RNN加入了self-attention机制，摒弃了RNN的Transformer逐步应用、预训练模型的引入、加入结构化条件信息等等，使得生成式的生成型对话系统不断提升改进。
生成型对话系统，未来可期~

更多内容，欢迎关注“机器爱学习”公众号~