作者lion741205 (獅子)
看板Soft_Job
標題[徵文] 對話式AI專欄: Chatbot對話管理篇
時間Mon Mar 30 02:29:27 2020
年初決定寫個對話式AI專欄,把個人在業界的開發經驗寫下來,到目前為止已經有七篇文
章了,詳述了聊天機器人框架的方方面面;第八篇文章還在拖稿時,碰到Soft Job版徵文
活動,覺得本系列非常契合活動的技術與實務經驗分享宗旨,相關知識也不是隨便就能取
得的,就趁今晚打著夜燈,熬夜把它給寫完了,在此分享給各位業界先進。
【閱讀本文前建議先看】
http://www.lionethan.com/Chatbot的類型與對比/
http://www.lionethan.com/Chatbot的閱讀能力-自然語言理解篇/
【什麼是對話管理】
聊天機器人的對話管理(Dialogue Management)是為了根據目前的對話狀態,決定系統應
該做些什麼。通常分為兩個子模組,負責更新對話狀態的「對話狀態追蹤」(
Dialogue State Tracking),其輸入自然語言理解模組所得到的使用者動作,以及過往的
對話歷史,輸出對話狀態;以及決定系統動作的「對話策略學習」(Dialogue Policy
Learning),其輸入對話狀態,輸出系統動作。上述的「使用者動作、對話狀態、系統動
作」皆可用一個意圖與一組槽位值表示。
【對話狀態追蹤】
目的是透過「使用者動作」及「對話歷史」更新對話狀態,其對話歷史可能隱含著因資訊
不足,經過系統反問使用者後,產生的「多輪對話內容」;有些需求還會參考使用者畫像
(User Profile),以補足必要的「個性化資訊」。透過推理和總結上述內容,轉換成簡
單的對話狀態(一個意圖與一組槽位值),系統可以將當前的對話狀態映射成更完整的表
示(Representation)。為了考慮自然語言的模稜兩可,語音辨識或自然語言理解模組所
產生的失誤,根據可能正確的使用者動作數量,可進一步分成只考慮置信度最高的1-Best
,以及考慮多個使用者動作與置信度的N-Best方法。
【對話策略學習】
目的是透過「對話狀態」決定系統該做些什麼,如果對話狀態的意圖在系統能夠提供的服
務項目之內,系統會檢查槽位值是否齊全,然後使用其內容查詢服務API,以得到關鍵答
案或內容;若對話狀態的意圖不明,或其符合特定服務但槽位值有缺失,系統應該主動向
使用者提問,透過多輪對話及對話狀態追蹤來蒐集足夠的資訊。最後將關鍵答案或內容封
裝到系統動作中,以一個意圖及一組槽位值代表,提供給自然語言生成模組(Natural
Language Generation)。
【對話管理的實作方法】
基於規則( Rule-based )的方法,透過編寫明確的規則,來建立各種槽位狀態下,使用
者動作所對應的系統動作,此種方法無法處理不確定的狀態,且需要手工編寫規則,僅適
合特定領域的簡單場景。
基於有限狀態機(Finite-State Machine, FSM),此種方法又可分為「以點代表槽位狀態
,以邊代表系統動作」,以及「以點代表系統動作,以邊代表槽位狀態」兩種方案;槽位
狀態可分為有或無,系統動作則是詢問槽位或最後回答兩種,為避免置信度過低,也可以
增加動作請使用者二次確認。由於前者在槽位增加時,會使狀態數量急遽增多,只適合資
料驅動的方式;若要以手工建置會建議採用後者。採用有限狀態機的優點在於實作簡單,
且容易理解,缺點是每個狀態和動作都要手工設計,不利於複雜場景。
基於統計(Statistical-based)的方法,通常採用馬可夫鏈(Markov Chain)將對話過
程表示成決策過程,而系統在每個對話狀態中決定下一步動作。採用馬可夫鏈的優點在於
只需要在決策過程中定義槽位狀態與系統動作,就可以自動學習到狀態的移轉關係,也可
在過程中導入強化學習(Reinforcement Learning)與線上學習(Online Learning),缺
點是同樣需要手工設計,不利於複雜場景。
基於深度學習(Deep Learning)的方法,輸入使用者動作及相關特徵,輸出對應的系統
動作,以訓練深度類神經網路模型。基於深度學習的方法需要大量訓練資料才能夠取得效
果,目前實際應用上還難以滿足此須求。
【對話管理的具體流程】
1.自然語言理解模組取得使用者對話「推薦我一家台北的餐廳」,此時會偵測使用者意圖及
識別命名實體,並將結果封裝成使用者動作(意圖=推薦餐廳, 地點=台北),得以將自然
語言映射成簡單的語意表示。
2.對話狀態追蹤模組透過使用者動作(意圖=推薦餐廳, 地點=台北)更新當前的對話狀態,
然後在地點填充常用的預設值,並透過使用者畫像補充用餐的個性化資訊,最後輸出對話
狀態(意圖=推薦餐廳, 地點=台北公館, 口味=喜歡吃辣)。
3.對話策略學習模組得到對話狀態後,發現其意圖在系統能夠提供的服務項目之內,但還缺
少了用餐時間,系統應該反問使用者;所以輸出系統動作(意圖=對空白槽位提問, 地點=
台北公館, 口味=喜歡吃辣, 時間=Null)。
4.自然語言生成模組執行系統動作,產生問句向使用者提問欲用餐的時間「你想在什麼時
間用餐呢?」。
5.自然語言理解模組取得次輪的使用者對話「明天中午」,再次偵測意圖及識別命名實體,
得到使用者動作(意圖=不明, 時間=2020年3月30日12點)。
6.對話狀態追蹤模組參考使用者動作及對話歷史,更新當前的對話狀態(意圖=推薦餐廳,
地點=台北公館, 口味=喜歡吃辣, 時間=2020年3月30日12點)。
7.對話策略學習模組利用使用者動作及對話歷史,蒐集餐廳推薦服務的必要資訊,透過查詢
服務API得到答案後,封裝成系統動作(意圖=推薦餐廳, 地點=台北公館, 口味=喜歡吃辣
, 時間=2020年3月30日12點, 餐廳=右手餐廳, 類型=泰式料理)。
8.自然語言生成模組執行系統動作,產生具體答案「建議你明天中午可以到台北公館的右手
餐廳享用酸辣的泰式料理」。
【未來的發展方向】
為了解決基於深度學習的對話管理方法,在訓練資料上普遍不足的問題,業界已嘗試使用
N-Shot Learning在小樣本下進行訓練,以及使用Zero-Shot Learning在沒有任何訓練
資料的情況下,進行現有模型的遷移與補全,以及在馬可夫鏈決策過程中,導入強化學習
與線上學習,建立獎懲與持續學習的機制;也有學者將GAN應用在自然語言處理上,透過
SeqGAN讓兩個模型相互博弈, 以學習最強的對話策略。
【參考文獻】
POMDP-based Statistical Spoken Dialogue Systems: a Review
http://mi.eng.cam.ac.uk/~sjy/papers/ygtw13.pdf
Maximum Entropy Markov Models for Information Extraction and Segmentation
http://www.ai.mit.edu/courses/6.891-nlp/READINGS/maxent.pdf
Reinforcement Learning
https://en.wikipedia.org/wiki/Reinforcement_learning
One-Shot Learning
https://en.wikipedia.org/wiki/One-shot_learning
Zero-Shot Leaning
https://en.wikipedia.org/wiki/Zero-shot_learning
SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient
https://arxiv.org/abs/1609.05473
【其他對話式AI專欄文章】
http://www.lionethan.com/Chatbot的類型與對比/
http://www.lionethan.com/基於知識庫的問答系統實作方法/
http://www.lionethan.com/模組化的任務導向對話系統實作方法/
http://www.lionethan.com/Chatbot的閱讀能力-自然語言理解篇/
http://www.lionethan.com/Chatbot的記憶與決策-對話管理篇/
http://www.lionethan.com/Chatbot的寫作能力-自然語言生成篇/
http://www.lionethan.com/預訓練語言模型比較(elmo、bert、gpt-2)/
http://www.lionethan.com/Chatbot的挑戰與發展趨勢/
http://www.lionethan.com/AI研發部門與開發流程介紹/
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.10.25.155 (臺灣)
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1585506572.A.430.html
1F:推 hentai: 感謝分享 03/30 10:13
2F:推 ian90911: 感謝分享 03/30 10:45
3F:推 SuperSunny: 感謝大神分享 03/30 13:16
4F:推 vvind: 推 03/30 14:18
5F:推 qrtt1: 有看有推 03/30 16:49
6F:推 single4565: 推 03/30 19:25
7F:→ DrTech: 學術文章翻譯,實際上跟工業界結合落差蠻大的 04/02 12:37
8F:→ DrTech: 建議附上一些學術文章的參考文獻來源。尊重一下原作者。 04/02 12:41
我日前在業界帶領團隊研發新一代Chatbot產品,而敝司在此領域已經有近十年的經驗了;
這些文章是以個人業界研發經驗為主,廣讀的Paper為輔,每一字一句都是直接憑著記憶,
思考和內化後親手撰寫的總結與心得。
不是任何學術文章的翻譯,而且完全出於業界的實務需求;文章也已經盡量力求完美,
如果相關內容有錯誤或不符合現況,歡迎提出具體問題,一起討論交流加以完善。
另外,我也很樂意整理本文中,提到的所有文獻下載連結,以供大家參考,
請給我一些時間。
9F:推 tommykang: 推獅子大神 謝謝分享業界經驗 04/02 15:47
10F:→ tommykang: DrTech不懂裝懂 04/02 15:47
不會啦!同樣是對話式AI,每間公司的研發方向和腳步不同,
有不同的業界經驗是正常的,也因為這樣才會有分享的價值。
11F:推 a2551127: lion大的文筆真的很好 我不懂nlp所以看不懂有關文獻無法 04/02 17:41
12F:→ a2551127: 入門 但是這系列寫的很全面又好懂 推推 希望之後能繼續 04/02 17:41
13F:→ a2551127: 以實務的角度對每項技術深入說明 04/02 17:41
謝謝,完成自然語言生成篇後,會想先講講"知識圖譜"在業界的實際應用情況。
14F:推 tommykang: 我的意思是DrTech前幾篇連Chatbot不代表閒聊都不懂 04/02 18:56
15F:→ tommykang: 還在學術界工業界落差大 別來亂好嗎?軟工版不適合打高空 04/02 19:00
你的意思應該是Chatbot一詞,不只代表"閒聊",其實還包含"問答"和"任務導向對話系統"
,我之前的確糾正過DrTech;由於常有人誤解這點,這也是我親手寫專欄的用意,希望能
帶給大家正確的觀念。
16F:→ DrTech: 不貼原始論文打臉啦。只是提醒而,繼續抄當作自己發表我也 04/03 09:00
17F:→ DrTech: 沒意見。另外,本人nlp幾年了,論文也有幾篇,專利超過40 04/03 09:00
18F:→ DrTech: 篇。那些說我不專業的,或者學術定義的chatbot不專業的, 04/03 09:00
19F:→ DrTech: 真沒必要,互相尊重吧。 04/03 09:00
20F:→ DrTech: 此行業已經很少人做了,沒必要拉仇恨。真的只是提醒引用原 04/03 09:03
21F:→ DrTech: 文讓大家有更多參考而已。 04/03 09:03
22F:→ DrTech: 我們都是知識工作者,用別人的成果註明出處很平常吧。 04/03 09:07
胡說八道,就是業界心得分享,哪來的原始論文,
有的話請你直接貼上來,咱們比對一下驗真章。
雖然他們罵你不專業,可能會讓你不舒服,我也不知道你拿的是什麼專利,
但你的確對「Chatbot、NLP」等對話式AI不是很熟悉,
才會覺得「只有開放領域的閒聊才會用Chatbot這個詞,
Chatbot不包含任務導向的對話系統」,但那是完全錯誤的觀念,
跟是不是學術定義無關,業界與學界皆是以Chatbot一詞代表「閒聊、問答和任務導向
對話系統」,請參考以下連結:
1.英文維基百科的定義
https://en.wikipedia.org/wiki/Chatbot,
2.中文IThome的介紹
https://www.ithome.com.tw/news/113445
3.我整理的Chatbot類型與對比
http://www.lionethan.com/2020/01/chatbot%E7%9A%84%E9
但為了避免任何爭議,如同我稍早說的,我也已經開始著手尋找,我在文中提到的所有
方法,以及敝司和業界常用架構的學術出處,已逐步整理到參考文獻中。
23F:推 jimmy55311: 推熱心助人的獅子大大 猛猛der 別管Dr.了啦 這種人很 04/03 11:26
24F:→ jimmy55311: 愛貶低別人提高自己 只要有寫錯他就罵死你 寫得好他就 04/03 11:26
25F:→ jimmy55311: 說你是翻譯的 不是翻譯的他就說你抄沒附來源 讓他去吠 04/03 11:26
26F:→ jimmy55311: 根本沒人想理他 04/03 11:26
27F:推 tommykang: 不能同意jimmy更多 04/03 11:38
沒關係的,每個人的想法不同,講清楚就好了,也不是做不到;
已新增參考文獻,註明所有方法的首篇學術文獻了,若有缺失歡迎補充。
28F:→ SuperSunny: 又不是在寫論文,還要人家附參考文獻,笑死 04/03 22:43
29F:推 SuperSunny: 推L大的邏輯和文筆,還有態度 04/03 22:54
還在努力學習,謝謝Sunny。
30F:推 wili06543: 感謝分享 04/04 15:35
不客氣。
31F:推 May75504: 感謝獅子大神分享實務心得,軟體工作版應該少點酸民 04/06 15:33
32F:→ May75504: 多鼓勵這些願意花時間分享經驗的高手專家 04/06 15:34
33F:推 jing8281: 推這篇 04/10 10:40
34F:推 SuperSunny: 恭喜lion大奪冠 04/24 21:14
沒想到會拿到第一名,感謝大家支持。
※ 編輯: lion741205 (111.249.149.20 臺灣), 03/20/2021 09:28:19