定义对话系统

秒速五厘米 2022-10-11 15:52 353阅读 0赞

## 定义对话系统 ##

### 一、定义对话系统的方法 ###

以下方法论其实就是在定义对话系统，后面的  
确定场景边界  
梳理业务要素和知识库  
撰写故事线  
抽取对话流程  
都是下面方法论的具体展开。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70]

### 二、确定场景边界 ###

**1.创建机器人定位（机器人的性格定位）**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 1]  
**2.明确机器人的产品场景**  
明确产品的目标人群。  
比方说：懂球帝是为了球迷提供的  
搞清楚产品给目标人群带来了哪些服务/提供哪些产品。  
比方说：携程提供在线票务购买服务，懂球帝提供最新的足球咨询也可以购买足球装备等  
了解用户是什么类型的人，了解我们产品带给他们带来哪些服务，解决什么痛点，那么整个逻辑就是这款机器人。  
example：  
火车票预订的Chatbot 应该做&不应该做

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 2]  
回顾：机器人分类  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 4]

### 三、梳理业务要素和知识库 ###

1.确定优先级（首先要实现的功能）和关键信息要素（实现功能所需要的信息）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 5]  
关键信息尽量多而全  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 6]  
2.任务要素梳理（定义变量）  
根据前面的状态图梳理任务要素  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 7]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 8]  
四、撰写故事线  
一个建议：不要先画流程图  
任务型故事线  
错误做法

凭借自己的想象和仅有的逻辑构想如下图所示的对话逻辑。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 9]  
正确做法

撰写一个任务的完整对话，我们称之为“愉悦路径”，然后再“添油加醋”。
     个人认为，类似于你设计一个主线任务，得先考虑理想情况下的任务完成路径，然后再一步步设置难度，比如说加个打怪，比如说加个等级限制等等，我称之为添油加醋。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 10]

总结：最大可能的模拟各种情况，通过自己的想象力构建不同的问答情况并作出解答，然后就是美化我们的对话系统，比如加个UI，比如更为合适的对话用词。

**问答型故事线  
这个比较贴切我们的智能客服系统**

一个法宝：尽可能罗列出所有可能的问答对。因为问答型就是这种问题和答案匹配的问题，问答对越全，也就是我们的知识库越全，越容易体现智能。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 11]

所有的故事线要保证真实性，尽可能还原真实场景对话，不能为了写故事线而写故事线。

**五、抽取对话流程**  
方式一：流程图  
简答来说就是绘制流程图

一个法宝：有点类似于面向过程程序设计，即将对话流程化。任务型和问答型机器人都有这种特点，但我感觉问答型要比知识型简单。毕竟不需要过多的信息也不用接入第三方服务。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 12]  
其中的黄色模块非常笼统，可以更加细化  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 13]

总结：业务流程图描述的是完整的业务流程，以业务处理过程为中心，一般没有数据的概念。流程图以动作推进业务，更加关注的是业务需要完成哪些操作。每一个动作基本上是“动词加名词”或者“动词”的形式。

**方式二：泳道图**  
泳道图又称跨职能流程图=流程图+动作执行的对象\`\`\`

![在这里插入图片描述](https://img-blog.csdnimg.cn/20210701175314885.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw,size_16,color_FFFFFF,t_70)
    泳道图后面也可以加上流程描述，更好地描述流程。
    
    **业务线合并汇总（类似于第三步）**
    存在的价值：便于更好地设计/梳理流图
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/2021070117534932.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw,size_16,color_FFFFFF,t_70)
    **设计UNIT对话逻辑**
    1.梳理业务逻辑

简单来说就是考虑真实场景下会有哪些情况出现，然后抽象出来给BOT

![在这里插入图片描述](https://img-blog.csdnimg.cn/20210701175455423.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw,size_16,color_FFFFFF,t_70)
    2.配置技能的对话意图/问答意图
    目标：把业务逻辑教给对话系统
    ==》每个技能都由相关的意图组成
    ==》根据上述1的业务逻辑拆解完成技能下每个对话意图、问答意图的具体配置
    
    在这个环节中，对话系统需要学会：
    
    用户的意图是什么？
    要完成用户的意图，需要理解哪些关键信息？
    对话系统应该怎样回应用户？
    有哪些规则需要遵守？
    #以订票为例：
    PS：澄清话术是怎么问用户
    ![在这里插入图片描述](https://img-blog.csdnimg.cn/2021070117553070.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw,size_16,color_FFFFFF,t_70)
    总结：配置技能的对话意图/问答意图步骤：
    
    新建对话意图（eg：意图名称：BOOK_TICKET,意图别名：订票）
    
    添加词槽
    
    设置BOT回应（有三种回应方式：【答复】、【引导至对话意图】、【引导至问答意图】）
    
    注意：
    
    1.实际落地的时候需要在自己的业务代码里判断当前BOT解析的用户意图为订票,且用户提供了出发时间、出发站点、到达站点,这时你用这三个词槽值去火车票系统中找出符合条件的火车票, 并生成一个火车 票list返回给用户,供用户选择, 并完成支付。（任务型机器人）
    注意：
    
    1.实际落地的时候需要在自己的业务代码里判断当前BOT解析的用户意图为订票,且用户提供了出发时间、出发站点、到达站点,这时你用这三个词槽值去火车票系统中找出符合条件的火车票, 并生成一个火车 票list返回给用户,供用户选择, 并完成支付。（任务型机器人）
    
    2.引导至对话意图:是当前对话满足一定条件时把当前意图引导到另-一个对话意图，让用户进入另一个意图的对话中。
    
    3.引导至问答意图:是当前对话满足一定条件时把当前意图引导到另一个问答意图，让用户直接在目标问答意图下提问并获取答案。（问答型机器人）
    
    新建问答意图
    
    设置预制技能（闲聊、问候、指令等）
    **3.标注对话数据**
    在【效果优化--训练数据】里尽可能多地添加对话模板、对话样本。其中对话样本不要是我们想象出来的句子，而是要贴切真实的业务场景（故事线设计的真实性，同 四、设置故事线部分）。对话BOT就像个儿童，教的越多越聪明。
    
    具体方法：
    1.配置对话模板

对话模板是对用户需求表达的一种规则抽象、配置好对话模板，可以快速识别不同表达方式的用户需求。  
比如：“我想订餐” ==》订餐就可以形成一个对话模板

2.标注对话样本

需求分析最后一个阶段收集到的对话数据导入UNIT平台，然后给它们逐条标注意图、词槽。这部分数据可以用于后续的样本学习，让对话机器人更加智能，获得更好的对话理解泛化能力。

3.添加问答对

在需求分析阶段（主要集中在梳理业务要素和确定故事线阶段）就收集整理的问答对数据集中导入UNIT平台。

4.训练/体验  
将BOT技能配置、对话模板、对话样本等在系统里训练形成模型，然后将模型放到沙盒里就可以试着体验自己的对话系统了。

值得注意：UNIT背后的深度学习等技术会帮我们解决训练系统这个问题，但也需要我们反复验证发现问题并优化配置并不断补充对话样本，然后

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 14]  
**5.应用调用**  
与真实的业务联动起来。

在【发布上线- -沙盒/生产环境】可以前往百度云创建应用,获取调用BOT的API Key/Secret Key。这部分可参考UNIT的API文档。UNIT已经与百度其他AI技术打通了 ,创建一个应用后,就可以方便的调用到百度AI的语音、图像识别等所有能力!

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70]: /images/20221005/0f3799fd99904178b995d895ce75e94a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 1]: /images/20221005/94dac512edca4c8580abb86a6d739d4e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 2]: /images/20221005/dc58a4c7214b45148e1d5861ade7b6ed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 3]: /images/20221005/6a551bd0046d4bbda5d896024bff8130.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 4]: /images/20221005/5d867ac274814d83831c79bdd81abcb1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 5]: /images/20221005/373d2dc4f7ff49a79913a7446b4029de.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 6]: /images/20221005/6338bee5d4dc4f05b871e295ee220d1d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 7]: /images/20221005/919f9d278dd9421c9bbfc3f24b6572df.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 8]: /images/20221005/cda6ade6a37a4ed49b4e27c6f663e83c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 9]: /images/20221005/9f67c56c36924a0fa7d1e7790e980eeb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 10]: /images/20221005/7c9c6fe883e448ce88860b694a517b00.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 11]: /images/20221005/a732bbb11a4e4a97b40a36c02d5c8fcb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 12]: /images/20221005/71aa14e320114cab9b780c8657a9281d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 13]: /images/20221005/44dd70ccce5645cf8fc720f9e285dede.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3poYW5nYmlqdW4xMjMw_size_16_color_FFFFFF_t_70 14]: /images/20221005/d3864dd81bb44dcaa84a2ddb5c91c9a9.png