16、建设性对话建模与交互技术解析

建设性对话建模与交互技术解析

1. 用户偏好适配与对话策略

1.1 用户偏好适配

在用户偏好适配方面，可将用户偏好与具有相似背景的用户群体偏好进行对比。这样就能用相似背景人群的偏好来补充单个用户的偏好，因为背景可作为一个参考框架，个体的态度和偏好会在这个框架内形成并与他人相匹配。不过，这种适配若不持续更新类别并相应修改推荐内容，很容易变成机械分类。

适配的另一个领域是用户的沟通策略和对话管理习惯。用户可能主动并积极发起话题，也可能较为被动，等待话题出现。系统可据此调整对话管理方式，使其符合用户偏好的风格，因为若系统的对话风格与用户相似，用户会更易遵循系统推荐并采纳建议。此外，系统还可学习用户面对问题时的反应速度和强度等特点，并相应调整回复。

1.2 对话策略

对话策略涉及对话伙伴在交流中采用的特定行为模式，例如主动发起话题、回应对方话题、确认新信息、一次性提供大量信息或逐步给出指令、提供背景信息或直奔主题等。这些策略可通过特定的行为链体现，某些对话行为的使用概率会高于其他行为。

为了更清晰地呈现不同主体的对话策略差异，可对主体在交互中最可能使用的对话行为路径进行可视化展示。以一个计划中的电子邮件应用设计实验为例，通过 Wizard - of - Oz 方式收集基于场景的小组交互数据，让用户使用具备“普通电子邮件客户端功能”的实验系统检查邮箱。在为期一周的试验期内，要求用户每天至少给系统打两次电话，以产生足够的邮件活动并推动话题发展。

使用强化学习算法对用户的行为和行为序列进行在线学习，将动作状态空间中的转移可能性表示为树状结构，并为每个转移关联 Q 值，Q 值最高的转移路径即为状态空间中的最优