編輯導(dǎo)語：對話機(jī)器人（ChatBot）目前已應(yīng)用在眾多領(lǐng)域，但還有一些AI產(chǎn)品經(jīng)理對其概念沒有一個系統(tǒng)化的認(rèn)知。作者在文中對兩類ChatBot進(jìn)行了詳解，與你分享。

對話機(jī)器人（ChatBot），以自然語言的方式和用戶進(jìn)行交互，從而完成咨詢、客服、助理、娛樂等用戶訴求，目前已經(jīng)應(yīng)用在很多領(lǐng)域。

本文主要介紹兩類應(yīng)用最廣的ChatBot：FAQChatBot和多輪對話ChatBot，包括這兩類ChatBot的適用場景和構(gòu)造模塊。

第一類：FAQChatBot

FAQ(Frequently Asked Questions) ChatBot，從英文全稱可以看出來，是將一些頻繁用到的問題和答案對整理好，形成知識庫。

當(dāng)用戶提問時，將用戶的問題和知識庫的眾多問題進(jìn)行匹配，匹配完成后，將匹配到的知識庫問題對應(yīng)的答案，返回給用戶，如下圖所示：

為了匹配更精準(zhǔn)，在構(gòu)建知識庫時，可以多設(shè)置幾個擴(kuò)展問題，如下表所示，在疫情期間，為了快速構(gòu)建一個FAQ ChatBot，提高問題匹配精準(zhǔn)度，可以這樣構(gòu)建知識庫：

當(dāng)我們的目標(biāo)是快速構(gòu)建一個基于常用知識的咨詢時，就可以用FAQ ChatBot，例如打造一個公司內(nèi)部的入職咨詢、報銷指南。

總結(jié)一下，F(xiàn)AQ ChatBot 的目的是：將企業(yè)的各種知識有效管理起來，采取一問一答的單輪對話方式，為用戶提供咨詢服務(wù)。

該方法的優(yōu)點是建設(shè)快，質(zhì)量可控、準(zhǔn)確率高，其缺點是泛化能力比較弱。隨著不斷迭代，知識庫的更新很大程度依賴于人工，不能自主提升自己的泛化能力。

第二類：多輪對話ChatBot

當(dāng)面臨更加復(fù)雜的問題時，例如用戶想要完成訂餐、訂票等任務(wù)，需要進(jìn)行多輪陳述，才能完成用戶的訴求。

一方面，用戶在對話過程中可以不斷修改或完善自己的需求；另一方面，當(dāng)用戶的陳述的需求不夠具體或明確的時候，機(jī)器也可以通過詢問、澄清或確認(rèn)來幫助用戶找到滿意的結(jié)果。

對于這樣的多輪對話，ChatBot架構(gòu)如下：

下面，我們配合下面這個預(yù)訂會議室的例子，來理解多輪對話ChatBot架構(gòu)的各個模塊：

1. NLU(Natural Language Understanding)

NLU的目的是，完成對用戶指令的理解。

所以NLU模塊的輸入是用戶指令，輸出主要采用DIS的表示結(jié)構(gòu)，D代表Domain（領(lǐng)域）, I代表Intent（意圖），S代表Slot（槽位）。

（有些情況下沒有Domain，直接輸出為Intent）

Domain、Intent和Slot都是產(chǎn)品經(jīng)理根據(jù)需求預(yù)先定義好的。不同的業(yè)務(wù)場景會定義不同的DIS。

對于這個預(yù)訂會議室的例子，可以定義DIS如下：

2. DM(Dialog Management)

對話管理DM控制著人機(jī)對話的過程，是ChatBot的核心。

在對話過程中，對話機(jī)器人系統(tǒng)會不斷根據(jù)當(dāng)前的對話狀態(tài)和用戶行為，決定下一步應(yīng)該采取的最優(yōu)動作，從而完成整個對話任務(wù)。

因此，在這個過程中，DM主要完成以下兩個任務(wù)：

（1）維護(hù)&更新對話狀態(tài)(dialog state tracking, DST)

根據(jù)之前的狀態(tài)和用戶的輸入，維護(hù)一份最新的對話狀態(tài)。

（2）產(chǎn)生系統(tǒng)決策(dialog strategy)

根據(jù)DST中的對話狀態(tài)做出系統(tǒng)決策，決定下一步做什么。

如上圖，對于當(dāng)前的會議室預(yù)訂實例，當(dāng)用戶表達(dá)了想預(yù)訂906會議室，當(dāng)前的最新對話狀態(tài)為：

此時，系統(tǒng)做出決策：對話補全。因此，系統(tǒng)繼續(xù)追問用戶：您想預(yù)約什么時間段？

用戶對此反饋：明天上午9點到11點。

系統(tǒng)根據(jù)此時最新的反饋和剛才的對話狀態(tài)狀態(tài)，產(chǎn)生新的系統(tǒng)決策，并更新狀態(tài)。

更新后的狀態(tài)為：

在這個案例里，DM的輸入輸出如下圖：

在產(chǎn)生系統(tǒng)決策時，DM一般會利用以下兩種策略：

（1）意圖重入：當(dāng)從當(dāng)前的用戶行為中分析不出意圖時，會將上一輪的意圖重入。

例如“我還想定一個下午兩點到四點的”，單憑這一句話，無法得出用戶的意圖，則將上一輪查詢的“會議室預(yù)訂”意圖進(jìn)行重入。

（2）領(lǐng)域重入：當(dāng)意圖重入匹配度較低，則會采用領(lǐng)域重入。

3. NLG（Natural LanguageGeneration）

當(dāng)DM做出和用戶交互相關(guān)的系統(tǒng)決策時，需要NLG模塊配合，生成自然語言，和用戶完成交互。

當(dāng)用戶預(yù)訂會議室成功后，DM模塊將預(yù)訂成功的信息傳給NLG模塊：

NLG模塊則根據(jù)預(yù)設(shè)的模版或其他生成算法，以自然語言方式反饋給用戶結(jié)果：

總結(jié)一下，多輪對話與單輪對話的不同在于，攜帶前幾輪對話的上下文信息，可以完成更復(fù)雜的任務(wù)，也使得對話過程更加智能。

本文由 @躺平看星星 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議