45、对话可解释性技术解析

对话可解释性技术解析

1. 引言

在当今的智能交互系统中，准确理解用户的查询类型并提供合理的解释至关重要。对话可解释性（Conversational Explainability，CE）技术旨在实现这一目标，它能够区分用户的不同类型问题，如获取一般信息、特定个性化客户信息或执行与决策相关的交易请求，并为用户提供相应的解释和决策依据。

2. 查询类型识别器

2.1 用户活动类型及特点

用户在与系统交互时，其活动通常包括获取一般信息、请求特定个性化客户信息以及执行交易请求。这些活动往往是依次进行的。例如，用户在请求特定个人财务信息或执行操作（如开设新银行账户）之前，会先了解该账户的规则和条件；满足知识需求后，做出决策并发起交易；交易完成后，可能会询问相关选项。因此，用户的问题和交易请求是间歇性的，需要可靠识别。

2.2 请求表达的模糊性

用户对一般信息、个人特定信息或交易的请求可以明确或隐含地表达。例如，“Could you do this” 既可能是关于访问控制的问题，也可能是隐含的执行请求；“When is my payment due? Pay now” 可能是事实性问题，也可能是交易请求。此外，用户还可能通过提及期望状态而非明确行动来表达请求，如 “I am short of funds in my checking account #2” 暗示需要转账来解决资金短缺问题。为了以领域无关的方式处理这种模糊性，我们从语言层面而非语用层面区分问题和请求类型。

2.3 基于规则的分类方法

尽管每个类别都有大量的训练数据集，但基于规则的方法表现良好。对于一个话语，基于规