任務(wù)機器人實(shí)現原理
首先，通過(guò)自然語(yǔ)言理解（NLU）分析用戶(hù)的輸入，進(jìn)行分詞，實(shí)體識別，語(yǔ)義分析，意圖分類(lèi)，指代消解，省略恢復等操作；然后，進(jìn)入對話(huà)管理（DM）環(huán)節，維護對話(huà)的歷史狀態(tài)和當前狀態(tài)，根據語(yǔ)義理解反饋的信息，決定下一步的對話(huà)走向。根據DM產(chǎn)生的信息，通過(guò)自然語(yǔ)言生成（NLG）自動(dòng)生成回復語(yǔ)句，通常的做法是設定回復的模板，替換模板中的變量。
輸入：用戶(hù)語(yǔ)句
輸出：機器人應答
處理過(guò)程：
- 結合上下文進(jìn)行意圖識別
- 抽取用戶(hù)語(yǔ)句中的實(shí)體slot
- 根據狀態(tài)機流程返回應答
一個(gè)基于狀態(tài)機的對話(huà)管理系統，并采用xml做為流程描述語(yǔ)言。
通常有condition、choice、collect、action四個(gè)對話(huà)組件
利用狀態(tài)機，可以實(shí)現多輪會(huì )話(huà)中的上下文狀態(tài)記憶，還可以實(shí)現多任務(wù)并行處理而互不影響，比如在訂機票的時(shí)候，問(wèn)一句“查天氣”，2個(gè)任務(wù)可以自由切換。
意圖識別檢索方案
意圖識別-分類(lèi)方案
參考谷歌基于A(yíng)ttention的Transformer模型，摒棄了固有的定式，并沒(méi)有用任何CNN或者RNN的結構，訓練效率和泛化能力很大提升。
智能訂票業(yè)務(wù)場(chǎng)景
任務(wù)型對話(huà)機器人是目前用的較多且較為成熟的領(lǐng)域，通過(guò)語(yǔ)音方式與機器人實(shí)現對話(huà)交互，完成差旅過(guò)程中的提單、審批等多種場(chǎng)景應用。
目標明確：對話(huà)的過(guò)程，就是為了獲取完成特定任務(wù)所需要的信息，即信息采集和獲取的過(guò)程；
多輪交互：通過(guò)多輪對話(huà)，獲取多個(gè)參數信息，符合實(shí)際情況；
其主要業(yè)務(wù)流程如下：
（1）參數信息獲取：始發(fā)地、目的地、出發(fā)時(shí)間、車(chē)次；實(shí)現用戶(hù)在差旅申請的提單語(yǔ)義分析，獲取關(guān)鍵提單要素后同步觸發(fā)差旅管理系統的提單接口
（2）查詢(xún)結果展示和訂單確認：執行訂單；觸發(fā)APP對應的消息通知應用，通過(guò)語(yǔ)音方式進(jìn)行審批動(dòng)作
意圖：訂機票
出發(fā)地：北京
目的地：上海
時(shí)間：明天下午（2017/01/2013:00-18:00）
數量:1
（未完待續），以上是對任務(wù)型機器人原理和典型應用的一個(gè)實(shí)現總結，更多詳細資料和商業(yè)應用可具體咨詢(xún)容聯(lián)AI文本和語(yǔ)音交互機器人團隊：
