7、基于规则的对话系统：高级工具与架构解析

基于规则的对话系统：高级工具与架构解析

1. 高级工具包与框架概述

在对话系统的开发中，有许多工具包和框架可用于构建更高级的系统。这些工具包中，自然语言理解（NLU）组件常使用机器学习算法对用户话语进行意图分类，而对话管理（DM）和自然语言生成（NLG）大多采用手工规则开发。

2. 用户发起的对话处理

在用户发起的对话中，系统设计者难以控制用户的表述，因此NLU需能处理广泛的用户输入。同时，用户在收到系统响应后可能会进行跟进询问，NLU组件也需具备处理这些跟进话语的能力。
- 用户输入的解析
- AIML方法 ：AIML是个例外，它将用户输入与大量预设计的模式进行匹配，使用特定技术处理相似话语。若输入无法匹配，会调用终极默认类别输出非确定性响应以维持对话。这种方法的优点是无需高级NLU组件，但开发者需预见用户可能的所有表述，且该方法在严肃对话场景（如商务或医疗支持）中可能不适用。
- 高级工具方法 ：高级工具在NLU组件中使用机器学习算法识别用户话语的意图并提取实体。开发者提供特定应用场景下用户可能的典型表述示例，系统通过机器学习识别意图和提取实体。多数工具拥有系统意图和系统实体库，开发者只需创建特定领域的实体。例如，Dialogflow支持超过40种系统实体，如日期、时间、数字等。
- 跟进话语的处理
- Dialogflow方式 ：Dialogflow通过为初始意图（父意图）设置输出上下文，为子意图设置匹配的输入上下文来处理跟进查询。这