基于NLU的智能对话系统

---

对话的业务场景

一、概念

1. 对话系统

对话系统分类:

• 任务型:明确任务需求
• 问答型:智能客服
• 闲聊型:

1. 召回率=机器人能回答的问题数/问题总数
   召回率低原因:1.知识库不足和自学能力差(自动化学习) 2.由于语义理解出问题,没找到相似问题,需要优化算法
2. 回答准确率 一般任务型机器人要求准确率,宁不答也不错
3. 准确的语义理解 (上下文关联.中途打断回溯,支持指代识别)
4. 个性化语言(用户画像:不同用户不同回答,对话状态管理)
5. 意图识别: 用户潜在诉求
6. 确认对话系统步骤(确认场景边界->梳理业务及知识库->撰写故事线->抽取对话流程)

2. 任务型机器人的组成

自然语言理解模块NLU——Language Understanding

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

假设Text=“人民币对美元的汇率是多少”；经过自然语言理解模块会解析为 act ( slot1 = value1, slot2 = value2 …) 的形式，即意图，