任務機器人實現(xiàn)原理
首先，通過自然語言理解（NLU）分析用戶的輸入，進行分詞，實體識別，語義分析，意圖分類，指代消解，省略恢復等操作；然后，進入對話管理（DM）環(huán)節(jié)，維護對話的歷史狀態(tài)和當前狀態(tài)，根據語義理解反饋的信息，決定下一步的對話走向。根據DM產生的信息，通過自然語言生成（NLG）自動生成回復語句，通常的做法是設定回復的模板，替換模板中的變量。
輸入：用戶語句
輸出：機器人應答
處理過程：
- 結合上下文進行意圖識別
- 抽取用戶語句中的實體slot
- 根據狀態(tài)機流程返回應答
一個基于狀態(tài)機的對話管理系統(tǒng)，并采用xml做為流程描述語言。
通常有condition、choice、collect、action四個對話組件
利用狀態(tài)機，可以實現(xiàn)多輪會話中的上下文狀態(tài)記憶，還可以實現(xiàn)多任務并行處理而互不影響，比如在訂機票的時候，問一句“查天氣”，2個任務可以自由切換。
意圖識別檢索方案
意圖識別-分類方案
參考谷歌基于Attention的Transformer模型，摒棄了固有的定式，并沒有用任何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)務場景
任務型對話機器人是目前用的較多且較為成熟的領域，通過語音方式與機器人實現(xiàn)對話交互，完成差旅過程中的提單、審批等多種場景應用。
目標明確：對話的過程，就是為了獲取完成特定任務所需要的信息，即信息采集和獲取的過程；
多輪交互：通過多輪對話，獲取多個參數(shù)信息，符合實際情況；
其主要業(yè)務流程如下：
�。�1）參數(shù)信息獲�。菏及l(fā)地、目的地、出發(fā)時間、車次；實現(xiàn)用戶在差旅申請的提單語義分析，獲取關鍵提單要素后同步觸發(fā)差旅管理系統(tǒng)的提單接口
�。�2）查詢結果展示和訂單確認：執(zhí)行訂單；觸發(fā)APP對應的消息通知應用，通過語音方式進行審批動作
意圖：訂機票
出發(fā)地：北京
目的地：上海
時間：明天下午（2017/01/2013:00-18:00）
數(shù)量:1
�。ㄎ赐甏m(xù)），以上是對任務型機器人原理和典型應用的一個實現(xiàn)總結，更多詳細資料和商業(yè)應用可具體咨詢容聯(lián)AI文本和語音交互機器人團隊：
