对话式交互技术原理及流程揭秘

http://www.infoq.com/cn/articles/alibaba-AI-voic?useSponsorshipSuggestions=true&utm_source=articles_about_AI&utm_medium=link&utm_campaign=AI

语音识别 ASR

ASR（Automatic Speech Recognition）直译为自动语音识别，是一种通过声学模型和语言模型，将人的语音识别为文本的技术。近年来，随着深度学习在语音识别中的广泛使用，识别的准确率大大提高，让这项技术能被广泛地应用于语音输入、语音搜索、实时翻译、智能家居等领域，让人与机器的语音交互变为可能。

语义理解 NLU

语音识别只是知道我们说了什么，但真正要理解我们说的是什么，就需要依靠NLU这项技术。NLU（Natural Language Understand）直译为自然语言理解，是NLP（Natural Language Processing，自然语言处理）的一个子集，专注于“口语表达和对话”方向的自然语言处理。我们首先快速了解一下NLP，NLP研究主要用来解决下面这些问题：

• 分词：中文的书写词语之间不会用空格等符号来分割，分词就是将汉字序列切分成词序列，因为在汉语中，词是承载语义的基本单元。比如从北京飞上海这句话的分词为：从 北京 飞 上海。
• 词性标注：词性用来描述一个词在上下文中的作用，如名词、动词、形容词等，词性标注就是识别这些词的词性，来确定其在上下文中的作用。
• 命名实体识别：在句子中定位并识别人名、地名、机构名、数字、日期等实体。
• 文本分类：文本分类就是将一篇文档归入预定义类别中的一个或几个，比如将某一类邮件归类为垃圾邮件，区分不同新闻的类型等。
• 情感分析：情感分析是找出说话者或文本作者对某个话题的两极性观点（积极或消极）、情绪（高兴、悲伤、喜欢、厌恶等）。

自然语言理解通过使用上述技术，完成指代消解、否定判断、语句泛化、口语归一化、ASR纠错等工作，识别人机对话中的领域和意图，获得对话任务的语义信息。

对话管理 DM

DM（Dialog Management）直译为对话管理，是对话式交互系统的核心，负责控制整个对话过程。主要包括对话上下文（Dialog Context）、对话状态跟踪（Dialog State Tracking）和对话策略（Dialog Policy）几部分。

• 对话上下文：记录对话的领域、意图和词槽数据，每个领域可能包含多个意图的数据,一般以队列的形式存储。
• 对话状态跟踪：每轮对话开始后，会结合本轮对话提供的语义信息和上下文数据，确定当前对话状态，同时会补全或替换词槽。
• 对话策略：根据对话状态和具体任务决定要执行什么动作，比如进一步询问用户以获得更多的信息、调用内容服务等。 

对话生成 NLG

NLG（Natural Language Generation）直译为自然语言生成，即对话生成的技术。对于任务导向的对话来说，NLG基本以模板形式来实现。模板中的回复信息可由词槽或通过内容服务得到的数据来替换。对话生成的原则是符合自然语言交互的习惯，易于用户理解，最快完成对话。此外，NLG还可以用于引导用户的交流习惯，比如NLG的内容为"已经为你开启导航"，可以引导用户在希望导航时，说"开启导航"。

语音合成 TTS

TTS（Text To Speech）是指语音合成技术。对话系统的输出是文本形式的NLG或者指令，当对话返回的内容是NLG时，通过TTS技术能将这些文本转换成流畅的语音，播放给用户。TTS技术提供语速、音调、音量、音频码率上的控制，打破GUI中传统的文字式人机交互方式，让人机沟通更自然。