深度学习应用实例--对话机器人--简介_深度学习 对话机器人

作者：jliang

https://blog.csdn.net/jliang3

 

深度学习应用实例--对话机器人--简介

对话机器人按功能分类

• 单轮会话场景：QA形式，一问一答，标准答案只有一个，相似问句会有很多个。

        

• 多轮会话场景：基于意图（intents）和实体（entities）识别，预先设置词槽(slots)，在多轮对话中通过主动询问来获得填充词槽的实体，然后根据获得的意图+实体组合决定下一步的动作一一回答问题或者执行任务。 

       

       在订酒店的例子中，用户意图为“订酒店”，填充实体为“时间”和“地点”。

• 闲聊场景：对话通常是开放领域的，可以提出一个关于任何主题的问题，并期待相关的回应。无数的话题和生成合理的反应所需要的知识规模，使得开放领域的聊天机器人实现相当困难。如苹果的Siri和微软的小冰就是闲聊机器人。

传统对话机器人实现方案

在深度学习被广泛应用之前，传统的技术方案很难实现开放领域的闲聊机器人，一般只适用于单轮会话的场景。传统对话机器人的实现方案有：
* 基于规则：基于规则的对话机器人会使用对话来匹配预定义的规则，如果满足某个规则的条件，则返回该规则对应的回复。需要预定义的规则很多，很难覆盖真实对话中面对的所有情况。但是实现比较简单，不需要了解任何算法也可以实现，只需要一定的工程实现能力即可。
* 基于搜索引擎：把用户输入的内容作为搜索关键字，把预定义的恢复作为搜索结果，根据文本相似度来搜索结果。使用类似Elasticsearch的搜索服务器可以快速的实现搜索功能。 

主流对话机器人架构

对话机器人主流架构为“NLU(自然语言理解) + DM(对话管理) + NLG(自然语言生成)” ，下面逐步介绍各个模块的具体作用 

• NLU：负责自然语言处理和理解，主要是对用户的问题在句子级别进行分类，明确意图识别(Intent Classification)；同时在词级别找出用户问题中的关键实体，进行实体槽填充(Slot Filling)。依赖于语言表示模型、分词、分类模型等NLP和机器学习技术：

  • 语言表示模型：Bag of Words、Word Embedding(word2Vec以及变种等都属于此类) 
  • 命名实体识别：识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等，以及时间、数量、货币、比例数值等文字
  • 意图识别：根据语言特征和实体识别结果判断用户意图，本质上属于分类问题
  • 语言预处理：清洗、整理、去除停用词、分词等

• DM：负责对话状态维护、数据库查询等，主要分为两大类： 

  • rule-based模式：根据NLU识别出的意图，直接推送预先配置好的应答，可以精确匹配后续动作
  • 基于对话状态的RNN(循环神经网络)模型：理论上会更加灵活，能够根据上下文做出不同反应，但是同时也会导致输出体验不稳定

• NLG：负责生成交互的自然语言，主要也分为两大类： 

  • 基于模板：预先设计好答案的模板，根据场景填充上具体实体后，将应答推送出去
  • 生成模型：由机器自己拼接语言作为答案输出，结果不可控，容易出现语无伦次

            

对话机器人开发框架

• Rasa：Rasa是领先的开源机器学习工具包，它允许开发人员扩展机器人，而不仅仅是回答简单的问题。开源Rasa Stack使全球数千名开发人员从初创公司到财富500强可以构建内部会话AI（例如复杂的聊天机器人和语音助理）而无需聘请大型研究团队。网址：https://rasa.com/。
• wit.ai：是所有框架中最流程的一个，有非常好的二次开放库，duckling.wit.ai是非常好的时间识别库。wit.ai并不开源的，但是二次库很多事开源的，详见github上面的二次开发库。机构/作者：Facebook，网址：https://wit.ai。
• api.ai：Google收购的一家AI公司，和wit.ai类似。提供了一个AI的框架，可以自己定义模板，参数，多轮对话，很方便的就可以定义一个自己的特定任务的聊天机器人。机构/作者：Google，网址：https://api.ai/。
• Language Understanding Intelligent Service (LUIS)：和wit.ai，api.ai类似，是微软在这方面的一个产品。机构/作者：Microsoft，网址：https://www.luis.ai/。
• Messenger Platform：和Micros Bot Framework 是同类东西。他可以方便用户配置自己的机器人。例如某用户在网络上卖自己的商品，如果咨询太多的话，需要很多客服人员，它可以方便的配置一个客服机器人。机构/作者：Facebook，网址：https://developers.facebook.com/docs/messenger-platform。
• viv：准确来说，其不算是一个框架，没有开源，也还没有产品出来。据其作者宣城，其特点是，采用了计算机动态自动编程技术，不用再硬编码了。机构/作者：Siri之父，三星收购，网址：http://viv.ai/。

参考文献

[1] Rasa官网. https://rasa.com/
[2] 十个Chatbot框架介绍. https://blog.csdn.net/xmsheji/article/details/53610656