任务型对话系统中对话管理的研究与应用

发布时间：2021-07-03 07:38

　　随着人工智能技术的发展,人与智能设备之间的交互方式逐渐趋于智能化,人们可以通过与智能机器人进行多轮的对话交互,从而完成某项任务或某项服务。对话管理作为人机对话系统中的一个重要组成部分,包含了对话状态跟踪和对话策略两个部分。对话状态跟踪模块实时追踪并更新对话的状态,对话策略模块在对话状态跟踪的基础上,分析得出系统响应的动作。对话管理的性能直接影响到对话系统的性能,因此,任务型对话系统中对话管理的研究与应用具有重要的意义。对话状态跟踪任务面临着模块间误差传递和数据稀疏的问题。对话策略模块目前面临的主要问题是缺少训练数据冷启动的问题和如何构建考虑知识库搜索结果的对话策略模型的问题。本文针对上述问题开展了一系列工作,主要内容包括:针对对话状态跟踪中误差传递和数据稀疏的问题,本文构建了自然语言理解和对话状态跟踪的联合模型。模型使用基于双向循环网络的编码器,对系统动作、用户话语和候选槽-值对进行编码。在公开英文数据集和自有中文数据集上的实验结果表明,本文提出的模型取得了比现有模型更好的性能,在联合目标准确率上较对比模型分别提升了17.5%、4.6%、3.9%、4.1%、0.2%。模型有效地缓解了数... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

任务型对话系统的组成部分本文的主要研究内容是任务型对话系统中对话管理模块当中的两个子任务：对话状

第一章绪论3的设计者提前规定动作的取值范围。订餐馆任务中的人机对话的例子如图1-2(a)所示。系统首先引导用户提供餐馆的地点、价位和食物类型等信息，用户随后给出了目标约束：希望找到价格便宜并且地点在南边的餐厅；接着系统询问用户食物类型的偏好，用户表示没有要求；然后系统通过用户给出的约束条件搜索到了名为“luckystar”的餐馆；用户继续询问系统该餐馆的电话号码和地址。在此对话过程中，系统的对话状态跟踪器在每一轮次结束后更新对话状态，对话策略接收来自对话状态跟踪模块输出的对话状态表示，决策出系统的响应动作，其状态更新过程和系统动作如图1-2(b)所示。图1-2(a)订餐馆任务中的人机对话示例(b)订餐任务中对话状态更新过程示例1.1.2研究意义在任务型对话系统中，系统需要拥有把控用户目标意图的能力，实时跟踪对话的状态。对话状态决定系统的决策和响应，而在真实环境下，对话状态通常是不完全可观测的。此外，用户使用自然语言与系统进行对话具有很强的口语性，包括使用代词、省略句等复杂情况，同时用户的意图和目标可能在对话的过程中发生改变。因此，在任务型的对话系统中，考虑对话历史上下文的对话状态跟踪具有十分重要的研究意义[14,15]。

第一章绪论5（5）构建了基于多轮对话的音乐搜索系统，将基于层次化结构的状态跟踪模型应用在系统的自然语言理解和对话状态跟踪联合建模上，解决考虑对话上下文的对话状态跟踪问题，同时将融合强化学习和属性信息熵的对话策略方法应用在系统的对话策略模块中。对系统的模块和模块间的通信进行了说明，并给出了系统的演示界面。论文的组织架构如图1-3所示。图1-3本文的组织架构图第一章为绪论，主要介绍了本文选题的研究背景和意义，介绍了任务型对话系统的组成结构，并给出了对话状态跟踪和对话策略任务的定义。最后交代了本文的主要研究内容和组织架构。第二章介绍研究基础及相关理论和技术，首先从基于规则、基于生成式模型和基于判别式模型三个方面分析了对话状态跟踪任务的研究现状，并从基于有限状态自动机、基于填槽法和基于强化学习的策略模型三个方面分析了对话策略任务的研究现状。然后分别介绍了对话状态跟踪任务和对话策略任务的相关理论和技术。第三章介绍本文提出的基于层次化建模的对话状态跟踪模型，描述了基于Bi-LSTM的编码器和基于注意力机制的评分模型的设计和训练方法，同时在公开数据集和项目数据集两种数据集上进行了实验，并对结果进行了分析。第四章主要介绍融合马尔科夫奖励过程和属性信息熵的对话策略模型，针对知识库搜索型对话系统的冷启动问题，提出了融合马尔科夫奖励过程和属性信息熵的对话策略方法，并在基于多轮对话的音乐搜索任务中进行了实验，验证了融合算法的有效性。


本文编号：3262170