环球电气之家-午夜精彩视频-中国专业电气电子产品行业服务网站！

　　chatbot是最近一段時間非?；鸬囊粋€詞或者一個應用，不僅僅各大新聞媒體在熱炒bot的概念，各大巨頭也投入巨大的資源進行研發，arxiv上刷出bot相關的paper也更是家常便飯。炒作歸炒作，PR歸PR，不得不說一個尷尬的事實是市面上確實難以找到一個真正好用的bot。bot按照涉及的領域，分為開放域(open-domain)和面向具體任務(task-oriented)的bot。開放域要做的事情很大，更像是一個什么都能搞的平臺，不管你提什么樣的需求，它都能夠解決，有點trueAI的意思，而面向任務的bot則專注做好一件事情，訂機票，訂餐，辦護照等等。

　　說到開放域bot，大家接觸最多的也就是一些回答非常無厘頭的娛樂用bot，比如很多年前活躍在各大社交網站上的小黃雞，現在市面上活躍著很多號稱掌握了bot技術，在用深度學習解決bot技術的bot公司，都是這種，解決不了什么實際問題，就是能和大家聊上兩句，而且很多時候回答都是牛頭不對馬嘴的，十分可笑。

　　再說task-orientedbot，市面上最多的就是客服機器人，銀行也好，電商也罷，不想重復性地回答用戶的問題，就用一個客服機器人來應對，且不說效果如何，開發一個具體task的bot需要費不少工夫，而且后期還要大量的維護，因為太多的handcraftedfeatures被用到，整個bot的框架橫向擴展性相對來說較差，換一個場景基本上就需要重新開發一套，人力成本太高了。

　　bot的理想非常豐滿，大公司描繪的場景也確實很美，但現實的bot卻狠狠地澆了一盆冷水下來。期望越高，失望越大。如果媒體一味地吹捧bot，仿佛整個世界明天就會是bot的了，對bot的發展并無益處，捧殺只會帶來氣泡，破裂之后，一切如初。

　　功能強大的、開放域的bot在短期內是比較難實現的，但是如果降低期望，將bot不應當做是一種技術層面的革命，而應當做交互層面的革新才是理性的態度，bot作為一種入口，可能大家都不再需要一個隨身攜帶的終端，只需要找到一個可以識別身份，可以聯網的硬件，比如一面鏡子，就可以執行很多的task，訂機票、買東西等等等等。bot這個時候起到的是一個操作的入口和背后執行各種不同task的黑箱，我們不需要看到整個執行過程，也不需要知道原理是什么，通過一些簡單的語言交互，就能完成一些復雜的task，終端要做的事情就是反饋結果和接收輸入，執行的過程都在云端，各種bot云。

　　而這一切的關鍵是解決好task-orientedbot，用更多datadriven的解決方案來代替傳統的人工features和templates。

　　問題描述

　　bot是一個綜合性的問題，涉及到下面三個主要問題：

　　1、responsegeneration(selection)

　　對話生成是最后一個步驟，是輸出的部分。簡單總結下，有四種solutions：

　　solution1直接根據context來生成對話，這方面最近的paper非常地多，尤其是seq2seq+attention框架席卷了NLP的很多任務之后，對話生成的benchmark也一次又一次地被各種model刷新著。對話生成的問題，被定義為基于某個條件下的生成模型，典型的根據context來predictwords，涉及到句子生成的問題，評價問題就會是一個比較難的問題。

　　solution2當然有的paper并不是將對話生成定義為語言模型問題，而是一個nextutteranceselection的問題，一個多選一的問題，給定一個context，給定一個utterancecandidatelist，從list中選擇一個作為response，當然這類問題的難度會小很多，評價起來也非常容易，但是數據集準備起來要多花一些功夫，而且在實際應用中不好被借鑒。

　　solution3rule-based或者說template-based，response的最終形式其實是填充了一個模板而成的，大多數的東西是給定的，只有一些具體的value需要來填充。這一類解決方案很適合做task-orientedbot，但過多的人工features和templates導致了其難以移植到其他task上。

　　solution4query-based或者說example-based，response是來自于一個叫做知識庫的數據庫，里面包含了大量的、豐富的example，根據用戶的query，找到最接近的example，將對應的response返回出來作為輸出。這一類解決方案非常適合做娛樂、搞笑用的bot，核心技術在于找更多的數據來豐富知識庫，來清洗知識庫。但畢竟respnose是從別人那里拿出來的，可能會很搞笑，但大多數會牛頭不對馬嘴。

　　2、dialogstatetracking(DST)

　　有的paper稱DST為belieftrackers，這個部件其實是bot的核心，它的作用在于理解或者捕捉userintention或者goal，只有當你真的知道用戶需要什么，你才能做出正確的action或者response。關于這個部分，會有DialogStateTrackingChallenge比賽。一般來說都會給定一個state的范圍，通過context來predict用戶屬于哪個state，有什么樣的需求，是需要查詢天氣還是要查詢火車票。