CN109933654A - 一种基于状态树的对话管理方法 - Google Patents

Abstract

本发明公开一种基于状态树的对话管理方法，将对话过程中的话题状态存储在状态树结构中，可以在更大程度上利用上下文来理解客户的真实意图，极大的提高了问答效率，有效的避免了对客户各种省略问答无法响应的现象，同时该对话管理方法可实现基于上下文省略的多种对话模式，方便的对数据进行增删查改，极大的减少了数据维护量。

Description

一种基于状态树的对话管理方法

技术领域

本发明涉及一种基于状态树的对话管理方法，是一种基于上下文信息，可对客户问题进行多轮交互的系统方法，属于自然语言处理和机器学习领域。

背景技术

对话管理（Dialog Management, DM）控制着人机对话的过程，DM根据对话上下文状态信息，决定此刻对用户的响应。目前，最常见的还是任务驱动的多轮对话。以金融行业为例，用户带着明确的目的如汇款、缴费等，对话系统需要与客户进行多轮交互，以确定在不同条件下，客户应该携带什么材料、如何办理业务。在同一个话题范围内，客户可能会依据该话题衍生出许多其他的子问题，同时，客户的询问顺序并不一致，且包含大量的省略式问句，因此，目前依据于槽值的对话管理系统，在处理客户复杂的需求时往往力不从心。

参考附图1“汇款”话题状态树结构图，系统将每个明确答案所需要条件（父节点）信息作为状态，包括槽值，实体，意图等，其中槽值以“$”开始；实体以“@”开始；QA意图以“#”开始。其中，槽值是多轮对话过程中将用户意图转化为明确答案所需要补全的信息，也即产生答案所需要的条件。实体作为最小的语义体，可以明确客户的具体需求，是对话系统定位到答案的必要条件。如客户询问“汇款”，其实是询问业务办理流程（默认实体@流程），客户询问“汇款什么时候到账”，其实询问的是到账时间（@到账时间）。对话系统通过将问答中的变量定义为槽值，实体，由此可以实现更加灵活的问答模式。例如，客户在询问办理“汇款”的流程时，可能会穿插着询问手续费、到账时间、能否代办、需要携带的证件等信息；另外，客户在问答时，也可能会包括大量的省略式问题，如：“汇款-个人-对公呢”，“个人汇款手续费-对公呢”等。

一个简洁高效的对话系统，应该具有较小的数据维护量，可实现更加灵活的问答模式。基于状态树的对话管理方法，以话题作为一个基本对话单元，通过将问答过程中的变量以话题状态的形式保存起来，可实现基于上下文省略的多种对话模式，同时极大的减少了数据维护量。

发明内容

本发明要解决的技术问题是提供一种基于状态树的对话管理方法，解决对客户各种省略问答无法响应的现象。

为了解决所述技术问题，本发明采用的技术方案是：一种基于状态树的对话管理方法，以话题作为基本的对话单元，将单轮对话和多轮对话中的话题状态存储在状态树结构中，状态树以当前话题为根节点，反应话题上文文状态的QA意图、场景意图、场景槽值、问答实体作为根节点下的多层子节点，状态树最末端的子节点为客户问题对应的答案，槽值为多轮对话过程中将用户意图转化为明确答案需要补全的信息，实现是对话过程中的最小语义实体；对话系统接收到客户问题对应的问题意图以后，根据是否切换话题并进行状态树更新，并根据是否达到答案条件来决定系统是反问话题状态还是直接给出答案。

进一步的，对话系统接收到客户问题以后，首先对问题进行意图分类，判断问题是继续话题还是切换话题，如果是切换话题，则需要清空话题状态；如果继续话题，则需要更新状态树。

进一步的，如果切换话题，则清空状态树中除实体外的所有状态，并更新问题中包括的上下文状态，并依据状态树进行答案匹配；如果实体不为空且客户问题中不包括实体信息，推定客户是在询问新话题中的实体信息，在更新完问题中所包含的上下文状态后，再依据更新之后的状态树进行答案条件匹配。

进一步的，如果话题切换到场景意图，对话系统依据更新后的状态树自上而下的匹配答案所对应的状态条件，如果缺少生成答案的槽值，则进行反问，直至生成答案；如果话题切换至QA意图，对话系统直接给出答案，并更新话题状态。

进一步的，对话系统进行槽值反问时，会判断答案所缺少槽值条件的主次顺序，优先反问父节点的槽值，如果问题中包括实体信息，对话系统仍根据明确答案所缺少的槽值信息进行反问。

进一步的，如果继续话题，具体步骤为：S1）、对话系统首会判断问题是否匹配该话题内的完整QA问答，即意图分类返回的意图与话题中的QA意图完全匹配，如果是，直接给出答案，并更新状态信息；如果不是，则进入下一步；S2)、如果上一个问题意图是槽场景，则优先继续槽值场景，对话系统根据状态的树状结构图进行状态匹配，如果话题状态满足答案所需要的条件父节点，则返回答案，否则系统反问缺少父节点的槽值信息，根据槽值信息生成答案，如果继续槽值场景不能返回答案或反问响应，则进入下一步；S3）、如果上一个问题意图是QA意图，则优先继续QA，如果不是，系统会判断问题是否更新实体状态，判断是否为基于上下文状态的省略问答，如果是，实体信息通过绑定QA意图构成一个新的QA意图，生成新QA意图对应的答案。

进一步的，如果问题不能切换话题，且实体、槽值状态不能更新，导致不能继续话题，则对话系统认定为噪音问题，系统如果接受到超过两次的噪音，则会清空话题状态。

进一步的，话题状态更新规则为：同一等级的槽值状态只能包括一个；如果更新了父节点槽值状态，则其子节点状态均被清空；除去实体状态外的所有状态在切换话题时均被清空；同一个话题内，问题进入槽场景，进入QA，或者通过继续话题返回答案时，才会更新话题。

进一步的，使用机器学习进行问题意图分类，首先将问题进行分词，然后根据权重最高的分词通过索引查询返回相似问题，最后将向量化的相似问题与客户问题进行余弦相似度比较，并返回相似度最高的意图。

本发明的有益效果：本发明将对话过程中的话题状态存储在状态树结构中，可以在更大程度上利用上下文来理解客户的真实意图，极大的提高了问答效率，有效的避免了对客户各种省略问答无法响应的现象，同时该对话管理方法可实现基于上下文省略的多种对话模式，方便的对数据进行增删查改，极大的减少了数据维护量。

附图说明

图1为汇款话题状态树的结构示意图；

图2为对话系统功能框图；

图3为基于状态树的对话管理系统图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的说明。

实施例1

本实施例立足于智能对话系统，提供一种基于状态树结构的对话管理方法，通过对槽值、实体、意图等上下文状态存储到树结构中，可以实现更加灵活的问答模式。另外，基于状态树结构的对话管理方法，可以为数据维护人员、问答模式设计人员提供更加简明、有效的问答逻辑。本方法也可以使用于搭载智能对话系统的任何设备之上，如手机、电脑、智能机器人等。

本实施例基于状态的对话管理方法，以话题作为基本的对话单元，将单轮对话和多轮对话中的话题状态存储在状态树结构中，状态树以当前话题为根节点，反应话题上文文状态的QA意图、场景意图、场景槽值、问答实体作为根节点下的多层子节点，状态树最末端的子节点为客户问题对应的答案，槽值为多轮对话过程中将用户意图转化为明确答案需要补全的信息，实现是对话过程中的最小语义实体；对话系统接收到客户问题对应的问题意图以后，根据是否切换话题并进行状态树更新，并根据是否达到答案条件来决定系统是反问话题状态还是直接给出答案。

如图3所示，对话系统接受到问题之后，首先对问题进行意图分类，判断问题是否是继续话题还是切换话题，并更新状态信息，然后进行系统响应。该方法使用机器学习进行意图分类，具体步骤如下：

1）、构建语料库：依据现有的语料库，按照不同的意图进行分类，同时，通过记录问答日志，不断地丰富语料库。

2）分词：使用python jieba库进行分词。另外，根据语料库中的问题构建倒排索引，key为分词，value为包含该分词的问题的列表。

3）权重计算：采用tf-idf评估单个分词对于一个问题或意图的重要程度，并得到单个词的权重。

4）问题向量化：由于采用现有的语料库只是包括了大量特定领域的特征词汇，并不能包括所有的问题可能性，且数据规模较小，所以采用Tencent AI Lab EmbeddingCorpus for Chinese Words and Phrases来得到问题分词之后的向量。同时，对于本地语料库中已有的分词，将向量与分词权重相乘，得到带有权重的问题向量。

5）相似意图比对：对问题中权重最高的分词进行倒排索引返回相似问题列表，最后将向量化的相似问题与客户问题进行余弦相似度比较，并返回相似度最高的意图。

在数据存储时，一个话题对应意图列表，如图3所示，在得到问题意图之后，即可得到问题是否切换话题，是QA意图还是场景意图。如果是切换话题，则需要清空话题状态；如果继续话题，则需要更新状态树。具体步骤如下：

1）如果是切换话题，清空状态树中的状态（实体除外），并更新问题中包括的上下文状态，并依据于状态树进行答案匹配。特殊的，如果实体不为空且客户问题中不包括实体信息，客户应该是询问新话题中的实体信息，因此，在更新完问题中所包含的上下文状态后，再依据更新之后的状态树进行答案条件匹配。这样主要是保证不同话题之间的连接性，即使切换了话题，系统仍然记得客户询问的最小语义实体。

2）如果问题切换至场景意图，对话系统首先依据问题更新状态树，然后自上而下的匹配答案所对应的状态条件，并对所缺少的槽值进行反问。同时，系统会判断答案所缺少槽值条件的主次顺序，系统会优先反问父节点的槽值；特殊的，如果问题中包括实体信息，系统则选择从包括实体条件的答案对象中进行匹配，仍然可以根据明确答案所缺少的槽值信息进行反问。

3）如果问题切换至QA意图，对话系统会直接给出答案，并更新话题状态。

如果问题不能够切换至新话题，且问题中包括槽值或实体等有效信息，即问题使得话题状态发生了改变，则判断为问题是继续话题。继续话题分为继续槽值场景和继续QA意图两类。在问题是的状态树产生有效更新之后，两者均可进行省略问答，但是两者的区别在于，QA意图的省略问答依赖于上一次问答的意图。具体步骤如下：

1）对话系统首会判断问题是否匹配该话题内的完整QA问答，即意图分类返回的意图与话题中的QA意图完全匹配。如果是，直接给出答案，并更新状态信息；如果不是，则进入下一步。

2）如果上一个问题意图是槽场景（保存在场景意图状态中），则优先继续槽值场景。对话系统则会根据状态的树状结构图进行状态匹配，如果话题状态满足叶子节点（答案）所需要的条件（父节点），则返回叶子节点（答案），否则，系统则会反问缺少父节点的槽值信息。如果继续槽值场景不能返回答案或反问响应，则进入下一步。

3）如果上一个问题意图是QA意图（保存在QA意图状态中），则优先继续QA。如果不是，系统会判断问题是否更新实体状态，判断是否为基于上下文状态（主要是QA意图信息）的省略问答，如果是，实体信息通过绑定QA意图构成一个新的QA意图，生成新QA意图对应的答案。实体信息通过绑定QA意图构成一个新的QA意图的规则在附图3中以MultiRule来表示。

4）如果问题不能切换话题，且不能继续话题（实体、槽值状态不能更新），则对话系统认定为噪音问题。系统如果接受到超过两次的噪音，则会清空话题状态。

本实施例中，状态更新的规则为：同一等级的槽值状态只能包括一个，即互斥槽值只保存一个；如果更新了父节点槽值状态，则其子节点状态均被清空；所有状态（除去实体状态）在切换话题时均被清空；同一个话题内，问题进入槽场景，进入QA，或者通过继续话题返回答案时，才会更新状态。

本实施例所示基于状态树的对话管理方法具有以下特点：

1）状态树保存。在当前话题下，客户问答的状态信息会以树结构的形式被保存，当客户切换话题或重新进入该话题（激活无状态）时，状态清空（除实体状态）。

2）状态切换。客户问题可以通过实体/槽值切换来寻找答案；同一个话题内，只要问题能够更新实体/槽值状态信息且满足答案条件，即可实现问答。

3）基于话题的问答。一个话题内可以包括多个QA和槽场景；一个话题内的状态共享；由话题状态作为答案条件，将系统问题均绑定在话题状态下；通过场景问答或QA，均可进入该话题和更新话题状态。

4）基于问答模式的对话系统。问答模式，即对话系统所支持的对话模式，也可理解为对话规则。对话系统首先需要定义好状态树结构，然后通过在对话状态树中选择相应的对话状态，作为输出具体答案的条件，即可完成一条问答。由此可以为客户提供更加简明、有效的对话逻辑。

如图1所示，为汇款话题状态树的结构示意图，状态树主要包括场景槽值、问答实体、当前话题、当前QA意图、当前场景意图五部分。槽值为多轮对话过程中将用户意图转化为明确答案所需要补全的信息；实体是对话过程中的最小语义实体。在附图1的“汇款”话题状态图中，话题中槽值以“$”开始；实体以“@”开始；QA意图以“#”开始。

在状态树中，实体信息可通过绑定QA意图构成一个新的QA意图，可实现基于上下文的省略问答，如客户通过两次问答“没开通转账功能怎么办，-手续费多少（实体）”时，客户实际的意图应该为“#开通转账功能手续费”，可以表示为“#没开通转账功能怎么办，+@手续费=#开通转账功能手续费”。对于通过实体来进行QA意图绑定的规则，在附图3中以MultiRule来表示。

在状态树中，所有的槽值分支构成一个场景意图；状态树中每个叶子节点为答案，其父节点均为答案所需条件（上下文状态），可以理解为：#汇款+$个人+$本行+$现金=答案（个人本行现金汇款），#汇款+$个人+$本行+$现金+@到账时间=答案（个人本行现金汇款多长时间到账）。如果在更新话题状态之后仍无法满足答案条件，对话系统则会给出槽值反问信息。

以上描述的仅是本发明的基本原理和优选实施例，本领域技术人员根据本发明做出的改进和替换，属于本发明的保护范围。

Claims (9)

1.一种基于状态树的对话管理方法，其特征在于：以话题作为基本的对话单元，将单轮对话和多轮对话中的话题状态存储在状态树结构中，状态树以当前话题为根节点，反应话题上文文状态的QA意图、场景意图、场景槽值、问答实体作为根节点下的多层子节点，状态树最末端的子节点为客户问题对应的答案，槽值为多轮对话过程中将用户意图转化为明确答案需要补全的信息，实现是对话过程中的最小语义实体；对话系统接收到客户问题对应的问题意图以后，根据是否切换话题并进行状态树更新，并根据是否达到答案条件来决定系统是反问话题状态还是直接给出答案。

2.根据权利要求1所述的基于状态树的对话管理方法，其特征在于：对话系统接收到客户问题以后，首先对问题进行意图分类，判断问题是继续话题还是切换话题，如果是切换话题，则需要清空话题状态；如果继续话题，则需要更新状态树。

3.根据权利要求2所述的基于状态树的对话管理方法，其特征在于：如果切换话题，则清空状态树中除实体外的所有状态，并更新问题中包括的上下文状态，并依据状态树进行答案匹配；如果实体不为空且客户问题中不包括实体信息，推定客户是在询问新话题中的实体信息，在更新完问题中所包含的上下文状态后，再依据更新之后的状态树进行答案条件匹配。

4.根据权利要求3所述的基于状态树的对话管理方法，其特征在于：如果话题切换到场景意图，对话系统依据更新后的状态树自上而下的匹配答案所对应的状态条件，如果缺少生成答案的槽值，则进行反问，直至生成答案；如果话题切换至QA意图，对话系统直接给出答案，并更新话题状态。

5.根据权利要求4所述的基于状态树的对话管理方法，其特征在于：对话系统进行槽值反问时，会判断答案所缺少槽值条件的主次顺序，优先反问父节点的槽值，如果问题中包括实体信息，对话系统从包括实体条件的答案对象中进行匹配，仍然可以根据明确答案所缺少的槽值信息进行反问。

6.根据权利要求2所述的基于状态树的对话管理方法，其特征在于：如果继续话题，具体步骤为：S1）、对话系统首先判断问题是否匹配该话题内的完整QA问答，即意图分类返回的意图与话题中的QA意图完全匹配，如果是，直接给出答案，并更新状态信息；如果不是，则进入下一步；S2)、如果上一个问题意图是槽场景，则优先继续槽值场景，对话系统根据状态的树状结构图进行状态匹配，如果话题状态满足答案所需要的条件父节点，则返回答案，否则系统反问缺少父节点的槽值信息，根据槽值信息生成答案，如果继续槽值场景不能返回答案或反问响应，则进入下一步；S3）、如果上一个问题意图是QA意图，则优先继续QA，如果不是，系统会判断问题是否更新实体状态，判断是否为基于上下文状态的省略问答，如果是，实体信息通过绑定QA意图构成一个新的QA意图，生成新QA意图对应的答案。

7.根据权利要求2所述的基于状态树的对话管理方法，其特征在于：如果问题不能切换话题，且实体、槽值状态不能更新，导致不能继续话题，则对话系统认定为噪音问题，系统如果接受到超过两次的噪音，则会清空话题状态。

8.根据权利要求1所述的基于状态树的对话管理方法，其特征在于：话题状态更新规则为：同一等级的槽值状态只能包括一个；如果更新了父节点槽值状态，则其子节点状态均被清空；除去实体状态外的所有状态在切换话题时均被清空；同一个话题内，问题进入槽场景，进入QA，或者通过继续话题返回答案时，才会更新话题。

9.根据权利要求2所述的基于状态树的对话管理方法，其特征在于： 使用机器学习进行问题意图分类，首先将问题进行分词，然后根据权重最高的分词通过索引查询返回相似问题，最后将向量化的相似问题与客户问题进行余弦相似度比较，并返回相似度最高的意图。