聊天机器人介绍

什么是聊天机器人

聊天机器人，是一种通过自然语言模拟人类进行对话的程序，比如微软小冰、Siri、图灵机器人等。

一般来说聊天机器人大致可分为两种，分别是任务导向型和非任务导向型。

• 任务型聊天机器人指特定条件下提供信息或服务的机器人，后文将重点介绍。
• 非任务导向型机器人一般是与人类在开放场景进行交互，提供合理的回复和娱乐消遣功能。由于非任务型聊天机器人问答内容的不确定性，因此存在很大的敏感词风险，具体表现为：
  - 语料库中存在违规内容；
  - 语料库过大，人工审核难度大；
  - 即时经过了模型过滤，也很难保证已过滤内容的安全性；
  - 即使语料库中不含有风险内容，也有可能由于用户与之对话，带来上下文联想的内容风险。

聊天机器人可以干什么

聊天机器人可以作为应用的入口和载体，可以作为运营工具，为其他业务方赋能。

• 可以支持对话、客服、游戏、虚拟形象等多种场景
• 可以支持SDK、HTTP、RPC等多种接入方式
• 通过管理平台多种技能可以自由配置
• 依托深度学习算法和大数据让机器人更智能

聊天机器人案例

任务型聊天机器人技术要点

语言理解（NLU）

Natural Language Understanding，语言理解模块，负责对传入的请求进行意图解析和实体识别，主要包括IR和NER两部分。

• IR
  Intent Recognition，意图识别，对输入的请求，解析到对应的意图，主要包括意图分类和模板匹配两部分。
  1）意图分类用于对数据的预分类，为了减少后台计算量，只对分类后topN类别进入模板匹配和ner，这块需要根据日志数据提升分类准确率，存在离线学习模块；
  2）模板匹配是根据用户定义的相关pattern，计算之间的匹配度（ner之后），返回精确的匹配分值。

• NER
  Named Entity Recognition，命名实体识别，如果意图包含实体信息，需要抽取对应的实体信息，则调用ner模块，获取对应实体信息。

对话管理（DM）

Dialogue Management，对话管理模块，负责处理用户对话请求和回答，包含服务接口、数据流管理、调用控制、DC（Dialogue Context，对话上下文）、DST（Dialogue State Tracking，对话状态跟踪）、DS（Dialogue strategy，对话策略）。

• DC
  Dialogue Context，对话上下文模块，处理意图之间的上下文关系，包括上一个意图是否包含指定下一个请求意图对象，每个意图进入解析的条件判断。

• DST
  Dialogue State Tracking，对话状态跟踪，包括持续对话的各种信息，根据旧状态，用户状态与系统状态（即通过与数据库的查询情况）来更新当前的对话状态。
  

• DS
  Dialogue strategy，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。例如，用户问“今天天气怎么样？”，机器人反问”请问你在哪个城市？“，以引导用户补全用户意图信息。

语言生成（NLG）

Natural Language Generation，语言生成模块，负责根据解析到的意图，返回对应的结果，主要包括第三方提供的内容、用户定义的actions等。