知识卡片
任务型对话的状态推进
任务型对话像一台状态机:Query 进来(语音先过 ASR),NLU 给出意图与槽位,每个结果都带置信度、意图可能不止一个;DST 据此更新对话状态,状态说的就是已拿到哪些槽、还缺哪些槽、各自得分多少;Policy 依据状态决定动作,是继续追问、确认还是执行;NLG 把动作变成一句人话。整体是马尔可夫决策过程:由当前状态和动作推下一步。DST 是关键,因为状态一确定,策略就好写。三种做法:生成式把状态建成关于系统动作与用户理解结果的贝叶斯网络,用贝叶斯推理求解;判别式当分类问题,特征取自理解结果与历史,也可把槽位打分当序列标注;规则系统用配置文件写必填槽、槽间约束(出发地不能等于目的地)、槽内类型与话术。缺标注数据时规则最有效,但它只吃 NLU 的 1-best,理解一错就全盘错。
结构图:
flowchart LR
A[用户 Query] --> B[NLU 意图与槽位]
B --> C[DST 更新状态]
C --> D[Policy 决定动作]
C -.-> G[槽位得分]
D --> E[NLG 生成回复]
E --> F[用户]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第8章 理解语言有多难 · 查看原书依据
DST就是根据之前的信息得到它的state,state其实就是slot的信息:得到了多少slot,还差什么slot,以及它们的得分等等。Dialog Policy就是根据state做出一个决策,叫action,如还需要什么slot,是否要确认等等。
参考来源
- 位置:《文本上的算法——深入浅出自然语言处理》第8章 理解语言有多难(源文件:extracted/文本上的算法——深入浅出自然语言处理/_epub-src/OEBPS/Text/00015.html)
- 结论依据:原文这一段直接给出本卡的核心判断:「DST就是根据之前的信息得到它的state,state其实就是slot的信息:得……」
- 原始内容:DST就是根据之前的信息得到它的state,state其实就是slot的信息:得到了多少slot,还差什么slot,以及它们的得分等等。Dialog Policy就是根据state做出一个决策,叫action,如还需要什么slot,是否要确认等等。