目前主要的對話管理的控制策略大概有三種，包括基于有限狀態(tài)機(finite-state based)、基于框架(frame based)以及基于代理(agent based)的控制策略。
在總結了前人工作經(jīng)驗和結合本系統(tǒng)的實際問題的基礎上，我們在對話管理的具體實現(xiàn)上，將框架理論和有限狀態(tài)自動機理論相結合，完成了一個智能的對話管理模塊。我們先將對話管理限制在天氣查詢領域。在系統(tǒng)中，通過人機之間的對話和確認，系統(tǒng)需要得到要查詢的時間和地點信息之后反饋查詢結果。
我們?yōu)樾枰玫降男畔⑾仍O計了一個槽結構如下: Slot_name表示槽名，在本系統(tǒng)中就是City和Date。Slot_value 指示該項信息是否已經(jīng)得到，所以有2個狀態(tài): Known 和Unkown。
圖3中，初始狀態(tài)為Unknown，當收到用戶提供的信息時，槽狀態(tài)轉化為Known，即為終止狀態(tài)。當再收到用戶的信息時，槽狀態(tài)不變，只是具體的槽值發(fā)生了變化。
根據(jù)系統(tǒng)的實際需求，同時考慮到系統(tǒng)的靈活性和魯棒性，我們設計了如下的狀態(tài)轉移過程: S0為系統(tǒng)的初始狀態(tài)，S3為系統(tǒng)的終止狀態(tài)。狀態(tài)轉換過程中的轉換條件，是信息融合的結果，不僅僅是語音信號的信息，也包含了圖像的信息。
多模態(tài)融合
所謂多模態(tài)融合就是將電腦“看到”和“聽到”的信息都考慮進來，幫助理解說話人真正的意圖。在語音識別中加入語法后大大提高了語音識別的準確率，而人臉跟蹤模塊能夠得到現(xiàn)有人臉的絕對位置和特征點的相對位置，知道人臉絕對位置的變化可以幫助判斷點頭、搖頭的動作，而利用特征點的相對位置信息可以知道說話人的情感狀態(tài)信息，在我們的系統(tǒng)中主要用到了點頭、搖頭信息和“厭惡”，“高興”2種情感狀態(tài)來判斷對電腦提出問題的確認和人是否對電腦的回答表示滿意。在今后的工作中，我們可以考慮結合語音分析的結果，利用雙模態(tài)的信息，提高情感識別的準確性和魯棒性。
