33、基于文本话语树的对话管理

基于文本话语树的对话管理

1. 引言

自然语言处理（NLP）和人工智能（AI）的发展，使得使用文本或语音模仿人类对话的对话系统得到了广泛应用和显著增长。像苹果Siri、谷歌Now、微软Cortana和亚马逊Alexa等聊天机器人，都是大家熟知的例子。在医疗教育领域，与医疗服务提供者进行一对一的面对面交流，被广泛认为是向患者提供医疗教育和影响其健康行为的“黄金标准”。自动化聊天机器人通过自然、直观且能根据用户兴趣动态调整的方式，实现了这种交流形式，向用户传达健康信息。特别是在COVID - 19大流行期间，构建与患者互动并提供初步临床建议的对话代理，受到了更多关注。据统计，在英国，远程医疗的使用率从疫情前普通医疗咨询的约10%大幅增长到疫情高峰期的约75%。

自2000年代以来，大量研究表明聊天机器人在健康相关应用中具有潜在优势。一些涉及具身对话代理的随机对照试验显示，在获取在线健康信息等方面取得了显著改善。然而，大多数聊天机器人只能接受受限的用户输入（如选择预设的话语选项），无法完全理解自然语言输入。近年来，随着对深度AI的重新关注，具有处理任意自然语言话语能力的对话代理越来越受欢迎。机器学习（ML），尤其是神经网络的进步，为对话管理（DM）提供了更复杂的方法，增加了对话的灵活性。随着功能强大且互联设备的发展，以及对上下文信息（如传感器数据）获取的增加，基于智能手机的聊天机器人在用户日常信息检索和日程管理等任务中得到了广泛应用。

以往，为患者和医生自动生成文档、网页和其他静态媒体以进行健康交流的研究很多。虽然这些方法有一定效果，但也存在不足。在静态文档中，如果用户不理解信息，无法对其进行重新表述，用户不能询问澄清问题，也不能对特定主题进行深入了解或获取更多/更少的信息。而对话系统