RASA对话管理简介

通用的任务型对话系统框架

 

一般对话状态跟踪模块和对话策略模块统称为对话管理模块（Dialogue manager, DM）

对话策略（DP）：根据当前对话状态预测下一步系统动作。

对话状态跟踪（DST）：记录对话历史、当前状态。

RASA系统框架

 

下面我们就来从Dialogue Policy和Conversation Tracker两方面来了解RASA的对话管理技术。

1.Dialogue Policy

RASA用policy来决定对话中每个步骤采取的action。有机器学习、基于规则两类policy可选。

Policy的配置在cofig.yml文件中，可同时配置多个policy。

配置后的每个policy会在回话中预测下一个机器人action，并且给出对应置信度，最终采用置信度最高的action。

1.1 policy优先级

Rasa为每种policy分配了优先级，如：

       RulePolicy优先级为6

       MemoizationPolicy / AugmentedMemoizationPolicy优先级为3

       TEDPolicy优先级为1

当两个policy给出相等的置信度时，采用优先级更高的policy给出的预测。

通常，不推荐配置两个或多个优先级一样的policy，若它们预测的置信度相同，则随机选取。

可以创建自己的policy，需要考虑好它的优先级。如果创建的policy是机器学习policy，最好将它的优先级设为1。

1.2 机器学习policy

1.2.1 TED policy