首页 » 从对话系统的角度来看

从对话系统的角度来看

Rate this post

可以被视为聊天机器人的对应部分它需要理解聊天机器人消息自然语言理解采取下一步行动对话策略以及用自然语言响应自然语言生成。如上图所示所有这些组件都可以由生成器根据机器人设计和意图语句自动生成。

解析器自动探索对话设计以生成对话行为图

最重要的设计原则之一是任务无关的机器人评估以支持给定机器人平台的所有机器人。用户无法手动探索如此复杂的设计从而创建覆盖不同对话路径的测试用例。提供了一种黑盒测试方案并通过特定于平台的解析器假设测试机器人无需任何先验知识。该解析器通过将机器人设计建模为图自动将对 手机号数据库列表 话设计转换为对话行为图形式的统一表示。

部署前测试的目标生成生成器模块的另一大优势在于其高效的数据测试用例生成能力。测试用例封装在目标结构中由模拟器完成部署前的测试。对话目标包含完成给定对话定义的任务所需 注悉尼现场开奖是赢得大奖 的所有必要信息。这些信息包括对话行为例如通知请求和对话行为图中的实体例如案例编号电子邮件。此外还加入了特殊的意图槽用于探测意图模型。为了提高测试覆盖率和语言多样性我们训练了一个释义模型以便根据输入的意图语句生成高效的数据意图查询。

通过用不同的值填充实

体槽生成器可以生成大量目标实例用于对话模拟以便在部署机器人之前测试机器人的性能。

模拟器基于议程的用户模拟

通过对话行为图模拟目标状态管理器和响应模板可以模 电子邮件线索带领 拟用户与机器人聊天完成目标中定义的任务。

每个目标实例用于模拟一段对话。为了评估性能意图查询试意图模型所有其他槽位用于探测模型。更重要的是根据测试目标是否成功完成还可以获得端到端对话级性能例如目标任务完成率。对话通过自动调用进行从而节省了昂贵且耗时的手动机器人测试工作。

滚动至顶部