对话系统的技术原理之DST

正文

前面介绍了 对话系统的技术原理之 NLU 模块，本文主要介绍对话系统的技术原理中的 DST 模块。DST（Dialogue State Tracking）对话状态追踪模块是以用户动作，上一轮的对话状态和相应的系统动作作为输入，输出是 DST 模块得到的当前对话状态 s。

对话状态的表示通常由以下三部分组成：

• 目前为止的槽位填充情况
• 本轮对话过程中的用户动作
• 对话历史

其中，槽位的填充情况通常是最重要的状态表示指标。

由于语音识别技术和自然语言本身存在歧义性等原因，NLU 模块的识别结果往往与真实情况存在一定的差异。所以，NLU 模块的输出往往是带有概率的，即每个可能的结果有一个相应的置信度值，因此，DST 在判断当前的对话状态有两种不同的选择： 1-Best 方式 和 N-Best 方式 。

1. 1-Best 方式

1-Best 方式是指 DST 判断当前对话状态时只考虑置信度值最高的情况，因此维护对话状态的表示时，只需要等同于槽位数量的空间。

2. N-Best 方式

N-Best 方式是指 DST 判断当前对话状态时会综合考虑所有槽位的所有置信度值，因此每个槽位的 N-Best 结果都需要考虑和维护，并且最终还需要维护一个槽位组合在一起的整体置信度值，将其作为最终的对话状态判断依据。

实现 DST 模块的主要方式有：基于 CRF 的序列跟踪模型、基于 RNN、LSTM 的序列跟踪模型等。

---

作者： 关于我

备注：转载请注明出处。

如发现错误，欢迎留言指正。