对话管理器

对话管理器（DM）是对话系统（DS）的一个组成部分，负责对话的状态和流程。通常情况下。DM的输入是人类的话语，通常由自然语言理解（NLU）组件转换为一些系统特定的语义表示。例如，在飞行计划对话系统中，输入可能看起来像ORDER(from=TA,to=JER,date=2012-01-01)。DM通常维护一些状态变量，例如对话历史，最新的未回答的问题等，这取决于系统。DM的输出是给对话系统其他部分的指令列表，通常是语义表示，例如TELL(flight-num=123，flight-time=12:34)。这种语义表示通常由自然语言生成（NLG）组件转换为人类语言。有许多不同的DM，履行非常不同的角色。一个DS中甚至可以有几个DM组件。所有DM的xxx共同点是它们是有状态的，与DS的其他部分（如NLU和NLG组件）相比，它们只是无状态的功能。DM的作用可以大致分为以下几组。输入控制，使人的话语得到与上下文相关的处理；输出控制，使文本的生成与状态相关；战略流控制，决定对话代理在对话的每个点上应该采取什么行动；战术流控制，做出一些战术性的对话决定（错误处理、主动控制等）。这个功能处于NLU和DM的交界处：在一些系统中，它被包含在NLU中，比如Milward（2000）的上下文依赖规则；而在其他系统中，它被包含在DM中，比如Mirkovic和Cavedon（2005）的NP解析模块。NLU和DM之间的另一个功能是，确定哪些输入语料是单一语料的一部分。下面是一个来自工作谈判对话的例子。我提供20,000新谢克尔的工资和一辆汽车，养老金的条件将在以后决定。这三个话语实际上是一个单一的提议。对于第二个话语，"和"字是一个线索，但对于第三个话语，xxx可能的线索是它是紧接着第二个话语说的。为了理解这一点，DM可能应该保留每个话语的时间戳。输出控制DM通过记住对话历史，可以使计算机输出更加自然。例如，NPCEditor（一个用于编写回答人类问题的角色的框架）允许作者定义问题-答案对，这样每个问题就有几个可能的答案。DM选择该问题的最佳答案，除非它已经被使用过了，在这种情况下，它会选择第二个最佳答案，等等。ChatScript（一种用于编写聊天机器人的框架）中也有类似的功能。每次DS使用某个规则时，DM都会将这个规则标记为已使用，这样它就不会再被使用。最近一个用于技术援助的DS使用先进的机器学习规则来选择描述项目的最佳术语。

这一功能处于DM和NLG的边界。战略性流量控制的DMDM的主要作用是决定对话代理在对话的每个点上应该采取什么行动。做到这一点的一个简单方法是让作者完全指定对话结构。例如，一个教程对话结构的规范可能看起来像。计算机。什么力作用在电子上？人：电力，计算机。正确[转到下一个问题]计算机：什么力作用在质量上？什么力作用在质量上？人：电力。计算机：正确。不正确，质量没有电荷。[转到关于电的教程]DM在脚本中保留了一个指向我们当前位置的指针。这个位置会根据人类的输入而更新。有许多语言和框架允许作者指定对话结构。