对话系统近期进展

【导读】近年来，对话系统逐渐在我们的生活中变得常见，本文致力于提过最近state-of-the-art 的方法，对对话系统进行简单的分类，探讨构建对话系统的方法，并对其优缺点进行比较等。

对话系统的分类

对话系统可以分为两类：闲聊型对话机器人以及任务型对话机器人。其中任务型对话系统又可以分为一般的任务型对话和特定的任务对话。一般的任务对话用于完成简单的日常任务，如设定闹钟，打电话等；特定任务对话则是在某个特定领域上应用，如点餐、预定机票等。

对话系统的构建

对话系统的构建方法主要有基于规则、数据驱动等。数据驱动的对话系统构建方法又包括基于检索的，基于机器学习的如序列到序列学习、强化学习等，和混合方法。

对话系统的评估

人工评估很必要，但是花费大，基于检索的对话系统可用准确率和召回率评估。一些用于机器翻译与文本归纳的评估方法如BELU和ROUGH等也被用于对话系统的评估，这些方法是基于N-gram的相似度的。

对话系统的比较

总的来说是各有优缺点的，还是要看应用场景。

基于规则的方法：很直接，但是无法处理复杂的情况

基于检索的方法在处理结构化信息的时候很好，应用面也很广，但是纯粹的基于检索的方法不进行推理，并且很少利用到已有的知识。

编码-解码结构是生成式对话的基础，在编码-解码结构上应用强化学习，能够生成更加自然的对话，但是有两个主要的障碍： 强化学习需要较强的学习时间，强化学习并不擅长生成语句。

原文链接：

https://arxiv.org/pdf/1903.09025.pdf

作者：Maali Mnasri 来自Opla

附原文：

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成！510+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询《深度学习:算法到实战》课程，咨询技术商务合作~

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程