讀懂智慧對話系統:智慧對話的未來
京東資料團隊曾經出了一片關於對話系統的論文《A Survey onDialogue Systems:Recent Advances and New Frontiers(智慧對話系統調查:前沿與進展)》,全文引用了124篇論文,是一篇綜合全面的介紹對話系統的文章。
論文原文地址:
https://www.kdd.org/exploration_files/19-2-Article3.pdf
公眾號“機器學習演算法全棧工程師”對這篇論文的內容進行了解讀,主要概述了對話系統,尤其是對話系統在深度學習方面的進展,還討論了可能的研究方向。以下是主要架構:
奇點機智對這篇文章進行了進一步的拆解,分成3篇文章來介紹智慧對話系統。
ofollow,noindex" target="_blank"> 讀懂智慧對話系統(1)任務導向型對話系統
讀懂智慧對話系統(3)對話系統的未來發展
對話系統未來的發展
深度學習已成為對話系統的一項基本技術。研究人員將神經網路應用於傳統任務導向型對話系統的不同組成部分,包括自然語言理解、自然語言生成、對話狀態跟蹤。近年來,端到端的框架不僅在非面向任務的聊天對話系統中流行,而且在面向任務的對話系統中逐步流行起來。
深度學習能夠利用大量的資料,從而模糊了任務導向型對話系統和非任務導向型對話系統之間的界限。值得注意的是,目前的端到端模型仍然遠非完美。儘管取得了上述成就,但這些問題仍然具有挑戰性。接下來,我們將討論一些可能的研究方向。
快速適應
雖然端到端模型越來越引起研究者的重視,我們仍然需要在實際工程中依靠傳統的管道(pipeline)方法,特別是在一些新的領域,特定領域對話資料的收集和對話系統的構建是比較困難的。未來的趨勢是對話模型有能力從與人的互動中主動去學習。
深度理解
現階段基於神經網路的對話系統極大地依賴於大量標註好的資料,結構化的知識庫以及對話語料資料。在某種意義上產生的回覆仍然缺乏多樣性,有時並沒有太多的意義,因此對話系統必須能夠更加有效地深度理解語言和真實世界。
隱私保護
目前廣泛應用的對話系統服務於越來越多的人。很有必要注意到的事實是我們使用的是同一個對話助手。通過互動、理解和推理的學習能力,對話助手可以無意中隱蔽地儲存一些較為敏感的資訊。因此,在構建更好的對話機制時,保護使用者的隱私是非常重要的。