任務(wù)機(jī)器人實(shí)現(xiàn)原理
首先，通過自然語言理解（NLU）分析用戶的輸入，進(jìn)行分詞，實(shí)體識(shí)別，語義分析，意圖分類，指代消解，省略恢復(fù)等操作；然后，進(jìn)入對(duì)話管理（DM）環(huán)節(jié)，維護(hù)對(duì)話的歷史狀態(tài)和當(dāng)前狀態(tài)，根據(jù)語義理解反饋的信息，決定下一步的對(duì)話走向。根據(jù)DM產(chǎn)生的信息，通過自然語言生成（NLG）自動(dòng)生成回復(fù)語句，通常的做法是設(shè)定回復(fù)的模板，替換模板中的變量。
輸入：用戶語句
輸出：機(jī)器人應(yīng)答
處理過程：
- 結(jié)合上下文進(jìn)行意圖識(shí)別
- 抽取用戶語句中的實(shí)體slot
- 根據(jù)狀態(tài)機(jī)流程返回應(yīng)答
一個(gè)基于狀態(tài)機(jī)的對(duì)話管理系統(tǒng)，并采用xml做為流程描述語言。
通常有condition、choice、collect、action四個(gè)對(duì)話組件
利用狀態(tài)機(jī)，可以實(shí)現(xiàn)多輪會(huì)話中的上下文狀態(tài)記憶，還可以實(shí)現(xiàn)多任務(wù)并行處理而互不影響，比如在訂機(jī)票的時(shí)候，問一句“查天氣”，2個(gè)任務(wù)可以自由切換。
意圖識(shí)別檢索方案
意圖識(shí)別-分類方案
參考谷歌基于Attention的Transformer模型，摒棄了固有的定式，并沒有用任何CNN或者RNN的結(jié)構(gòu)，訓(xùn)練效率和泛化能力很大提升。
智能訂票業(yè)務(wù)場(chǎng)景
任務(wù)型對(duì)話機(jī)器人是目前用的較多且較為成熟的領(lǐng)域，通過語音方式與機(jī)器人實(shí)現(xiàn)對(duì)話交互，完成差旅過程中的提單、審批等多種場(chǎng)景應(yīng)用。
目標(biāo)明確：對(duì)話的過程，就是為了獲取完成特定任務(wù)所需要的信息，即信息采集和獲取的過程；
多輪交互：通過多輪對(duì)話，獲取多個(gè)參數(shù)信息，符合實(shí)際情況；
其主要業(yè)務(wù)流程如下：
（1）參數(shù)信息獲�。菏及l(fā)地、目的地、出發(fā)時(shí)間、車次；實(shí)現(xiàn)用戶在差旅申請(qǐng)的提單語義分析，獲取關(guān)鍵提單要素后同步觸發(fā)差旅管理系統(tǒng)的提單接口
�。�2）查詢結(jié)果展示和訂單確認(rèn)：執(zhí)行訂單；觸發(fā)APP對(duì)應(yīng)的消息通知應(yīng)用，通過語音方式進(jìn)行審批動(dòng)作
意圖：訂機(jī)票
出發(fā)地：北京
目的地：上海
時(shí)間：明天下午（2017/01/2013:00-18:00）
數(shù)量:1
（未完待續(xù)），以上是對(duì)任務(wù)型機(jī)器人原理和典型應(yīng)用的一個(gè)實(shí)現(xiàn)總結(jié)，更多詳細(xì)資料和商業(yè)應(yīng)用可具體咨詢?nèi)萋?lián)AI文本和語音交互機(jī)器人團(tuán)隊(duì)：
