上篇 | 如何设计一个多轮对话机器人 - 腾讯云专区

导语：多轮对话聊天机器人，作为人工智能的典型应用场景，也是一项极具挑战的任务，不仅涉及多方面异构知识的表示、抽取、推理和应用，还涉及包括自然语言理解在内的其他人工智能核心技术的综合利用

简介与相关技术调研

目前，多轮对话聊天机器人已经产生了很多应用，有萌妹子小冰，有佛法大师贤二，也有应用在各行各业的智能客服。多轮对话聊天机器人，作为人工智能的典型应用场景，也是一项极具挑战的任务，不仅涉及多方面异构知识的表示、抽取、推理和应用（如语言知识、领域知识、常识知识等），还涉及包括自然语言理解在内的其他人工智能核心技术（如用户画像、对话管理等）的综合利用。

实现对话机器人常见的方法，可以从最简单的“关键字匹配”，到最前沿的深度学习“端到端生成”应答。分别应用到不同的场景：闲聊、任务（垂直领域）、问答（QA）。

设计一个聊天机器人

要想机器能与人产生对话，那么第一步，就必须先“理解”人说话的内容，对于机器来说，“理解”就是把自然语言转成具有结构化的表达。机器解析结构化表达的内容，根据知识库（可能是QA对、可能是if-then规则、可能是业务流程等）获取相应的回答。

如下图，一次对话，就是一个会话的接入，语义理解就是理解人说话的内容，应答引擎就是根据理解的内容做出的应答。

1、语义理解

建立语言模型

因为人类语言的本质是为了传递人与人之间的信息（意思）。那么，我们可以定义出N种意思分类（意思的种类越多，机器人的理解能力越强）。所以，一个语言模型就是一个多标签的数学模型，把自然语言转成具有结构化的表达。有以下三个步骤：

1）文本预处理：切词、词向量、词义消解等（这里内容很大，不详细介绍）。

2）样本准备：抽取一些经典的发言，在我们的myModel平台进行标注。

3）序列模型：多标签模型，如下图就是一种CNN与LSTM组合的神经网络方法。

尽管已经在一个垂直的领域，而且看似简单的三步，但是要做一个好的语义理解模型，是非常难的，例如一个小改动导致预测结果差异，可分两种：

1）一种是句中的词语位置变了、辅助词变了，如：“这就是给我的回复？”与“你们就这么回复我？”。

2）一种是增加一些无关核心内容的词，如：“但是我后面没开挂都被制裁”与“但是我后面没开挂都被制裁我就想不通了”。

备注：增加更多有标注的样本量、基于大规模数据训练的模型（如BERT等）二次训练、神经网络增加attention、结合知识库等，都是一些优化的手段。

语言模型在系统中的应用

理解用户说话的意思，我们分为了三层：第一层，是理解当前聊天处于哪一个话题，有没有切换话题；第二层，是理解具体的内容，含有意图与实体；第三层，是理解当前发言的情感，跟踪用户的情绪变化。

1）话题模型（Topic模型）

在我们系统中，它是一个分类模型，与后面的应答引擎是有对应的关系，根据不同的话题，进入不同的业务流程，所以模型的标签的业务的分类。

2）意图理解（Act-Slot模型、Value模型）

A. Act-Slot模型

在我们系统中，它是一个多标签模型，相同一句话，不同的角度，有不同的理解。所以，模型的标签是意图与实体类型，如下图的“inform,QQ”。

例如，在具体的项目中，我们定义了：

B. Value模型

在我们系统中，获取到用户发言的Act-Slot之后，根据Act-Slot的意图，得到其相对应的实体值。总共设计了三种方法以获取不同类型的Value，方法如下：

正则表达式：如抽取时间、等级等有一定格式的实体。
词库对比：如安图恩等游戏专有词汇。
LSTM模型：当句式中不明显表达实体时，将通过模型分到6类中：
- ENV：涉及到电脑环境相关信息。
- MAPID：涉及到地图相关信息。
- ROLE：涉及到角色相关信息。
- TEAM：涉及到组队相关信息。
- LOGIN：涉及到登录相关信息。
- EQUIP：涉及到装备相关信息。

备注：并非所有聊天机器人都这么设计，有些系统会把意图作为一个模型，实体与value作为一个模型。

3）情感模型

在我们系统中，它是一个分类模型，把用户的发言分为了以下几种不同级别的情绪（标签）：脏话、生气、平和、赞扬。

2、应答引擎

定义业务描述语言

为了能快速接入各种服务，基于XML描述语言，定义了一套业务流程的描述语言。总共分为三层，最底层是基础流程控制单元，如分支if、循环while、顺序sequence、并行parallel；第二层，是每个话题都需要的通用组件，如询问QQ号、游戏名、情绪安抚等；最顶层是具体的业务应用服务，如装备找回流程、被盗处理流程等。

例子：获取QQ号与大区号流程。

业务流程控制引擎

如下图所示，有Task1到Task5，共5个业务流程（业务应用），这些业务流程可以使用上述描述语言刻画出来。而下图中涉及到的为上述语言的解析过程。

话题切换监听器：作为旁路分类模型，用于跟踪聊天话题的切换。以用户发言为输入，输出1、2、3、4、5，分别代表Task1，Task2 …. Task5。（用户每次输入，都会有一次判断，反映话题是否有变化与切换到哪一个Task）

会话信息：表示在对话当抽取出来的上下文信息，局部信息表示在本Task可见，全局信息表示所有Task可见。

状态：表示Task运行状态。而流程中断的位置，并非所有位置都可以中断，如下图标记红点的是可被中断（当运行到有标记红的地方，就会请求“话题切换监听器”，当前是否有话题变化）。

挂起：表示当前流程暂停（如下图，P2表示Task1中的第二个点挂起）
未激活：“-”表示该Task没有启动过。
激活：Running表示正处于该Task的流程中。
结束：Close表示该Task已结束。

备注：每一个红点的地方，都可能由于用户发言导致切换到另一个Task流程中。会话开始时，会根据“起始问题识别”，得到需要走哪一个Task，作为起始Task。在起始Task流程中，如果遇到红点的地方，并且话题切换监听到需要转到另外的Task，刚切换到新的Task流程，新流程走完后再回到切换话题的断点处，继续原流程一直走完。

一个业务流程例子

例子：假设有四个业务流程Task，每个流程都根据流程控制单元画出相应的流程图。