本文深入解析Rasa对话系统中处理意外用户意图的UnexpecTEDIntentPolicy。该策略利用Transformer模型评估用户意图与对话上下文的匹配度，辅助对话流程并降低误判。通过配置，可在触发action_unlikely_intent时转接人工处理。文章介绍了UnexpecTEDIntentPolicy的架构、源码解析及其在训练和推理中的工作原理。
本文继续围绕工业级业务对话平台和框架Rasa对如何处理业务对话系统中来自用户的unexpected intent的场景从架构以及源码的层面进行解析。
一、关于UnexpecTEDIntentPolicy介绍
在业务对话系统中，用户在办理具体业务时可以插入一些与当前业务topic无关的对话内容，从用户优先的角度来考虑，对话机器人需要对与当前对话上下文无关的用户意图进行处理，从机器学习的角度讲，通过处理这些看起“无关”的对话内容来向用户学习，调整对话使用的模型。
UnexpecTEDIntentPolicy可以帮助你review对话（包括训练和推理，训练时使用对话历史数据中的正样本和负样本，最大化正样本和最小化负样本，而推理时根据对话的turns形成对话上下文）和允许对话机器人对不是期望中的用户对话内容（用户意图）做出响应。UnexpecTEDIntentPolicy是一种辅助策略，需要和其它的policies结合使用，这种policy能够触发的唯一action是”action_unlikely_intent”。对于不符合当前对话上下文的用户intent，可以认为是一种异常而在对话流程上进行相应的处理。
当action_unlikely_intent被触发时，你可以通过配置来自定义对话机器人的处理行为，例如，在下面的配置里定义一个rule来触发从对话机器人转移到
最低0.47元/天 解锁文章
374
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
