关于对话机器人的一些总结

关于对话机器人的一些总结

业务上：
类型
QABot：单轮对话，解决特定FAQ
TaskBot：多轮对话，解决特定场景问题
ChatBot：多轮对话，不解决问题

QABot：
应对FAQ场景
典型场景：input：奥巴马是哪里人？ bot：美国人 ；End
实现方式：
1、KBQA、KGQA。基于图谱的可以通过知识图谱推理答案。基于数据库的可以基于数据库结构查找出答案。（KBQA也可以升级到多轮会话中）
2、TextQA。通过机器阅读理解（MRC）从文章中选取对应答案。

TaskBot
框架：入口→NLU意图识别（粗）→NLU意图识别（细）→DM决策路由获取句子中的不同层级的信息：情感分析、语音识别、实体识别、风控→通过句子的信息获得执行任务→NLG生成人类语言。
抽象：（NLU抽取意图、实体→DST填充Slot、历史信息、当轮意图→DP通过DST抽取的信息决定Action→NLG通过所选Action生成人能识别的自然语言）

ChatBot
距离：微软小冰（分层对话决策、闲聊区分通用或领域）
代表模型：end2end（GPT）
不解决实际问题
主动问问题
不同机器人切换的平滑剂
通过闲聊语料库给出检索答案
从闲聊语料库学习生成模型

QABot和TaskBot的关系：
QaBot是退化版本的TaskBot，缺少了DST的历史信息输入。

TaskBot中模型做了什么？
NLU：输入用户给的话，识别意图（文本分类）、获取实体（命名实体识别）。（DIET模型，输入句子，intent，MASK预测被MASK的token，CRF预测Entity、CLS与intent相似度，三个相加成为loss（该模型是多任务预测模型））
DST：输入当前状态、过去状态（都包含实体与意图）、输出DST的State（包含意图、实体，可能还有当前情感，个性）。（BERT-based model for DST:输入一次dialog对话，与slot-value，输出是这个slot-value与这句话的相似度。label就是属不属于这句话 https://arxiv.org/pdf/1910.12995.pdf）
DP：输入DST给State，输出Action。（文本分类）（TED Policy、基于Transformer的一个多任务模型，同时输出action的选择与实体信息（crf））。
NLG：输入DP给的实体，通过实体查询答案。（多方法：基于生成模型、基于模板的、查询DB或者图谱、MRC给出答案）

NLU都干了什么？
token化输入、特征抽取（不限于Emb化特征、tfidf、w2v）、预测意图（单意图softmax、多意图sigmoid）、实体抽取（ner_crf,lookuptable,regex）