1、领域内意图理解
下面是 双向的lstm + crf 架构
将 query 进行 框架式语义表示 (语义表达的方式) ,然后在 KB 里面进行查询,它是将领域的确定和意图理解在一个模型中实现的
2、模型迭代更新
线上模型 ---- 获得线上日志,在日志里面挖掘出bad cases, 加上人工标注,进一步学习;其中有些case可能是不好区分的,甚至人为都不是很好进行确定的,可以在 labeling reinforcement这一块进行调整,调整标注的策略,这里是使用的强化学习来进行进化的
3、对话系统解答
跨领域的上下文问答 对话管理
对话管理 --- 状态的追踪和管理、多个slot的继承、指代的处理
多个领域之间的slot是可以共享的 --- 使用了相同的实体或者不同的实体但是是相同的意思
上下文的记忆 --- 状态追踪来解决的