对话系统任务综述与基于POMDP 的对话系统.PDF

对话系统任务综述与基于POMDP 的对话系统 李林琳，赵世奇 （注：本文的第一部分主要内容基于“Review of spoken dialogue systems ”（López-Cózar et al., 2015 ）；第二 部分翻译自英文原文“POMDP-based statistical spoken dialog systems: A review ”（Yong et al., 2013 ）） 摘要：本文第一部分对对话系统的领域研究现状做一个领域综述，第二部分我们详 细介绍一下当今对话领域的一个热门课题：基于POMDP 的统计对话管理系统。首先， 我们对对话系统涉及的五种主要技术做一个综合介绍；然后，我们简要讨论一下对话系 统的发展历史及其在健康等领域的应用实例。由于对话系统的一个核心组成部分是用户， 我们还会简单讨论一下用户建模及其类型；接下来我们讨论一下对话系统的研究趋势， 包括语音识别、多模交互、以及对话管理系统的主流研发技术。在第二部分，我们集中 介绍基于统计的POMDP 对话系统所涉及的思想及具体建模方法。 第一部分：对话系统概述 随着人机交互技术的进步，类似 “环境智能（Ambient Intelligence ）”这类课 题更多的强调用户友好性和智能交互性。为了确保自然的智能交互，非常有必要 研发安全可靠的交互技术以在人机之间建立沟通的桥梁。本着这个初衷，过去的 几十年有很多研究致力于模仿人-人交互的模式来构建人机交互系统，我们称之 为对话系统 （Spoken Dialogue Systems, SDSs ）（Lopez-Cozar Araki, 2005; McTear, 2004; Pieraccini, 2012 ）。 最早的对话系统仅仅处理简单的交流任务，比如提供飞行旅行信息（Hempel, 2008 ）。当今的对话系统已经越来越多的出现在更复杂的任务中，比如，智能环 境（Intelligent Environments, Heinroth Minker, 2013 ）, 车载系统（Geutner et al., 2002 ），个人助手（Janarthanam et al., 2013 ），智能家居（Krebber et al., 2004 ）， 及人机交互（Foster et al., 2014 ）等。对话系统涉及的另外一个重要课题是用户 建模（Andrade et al., 2014 ）。 本文第一部分我们对对话系统的领域研究现状做一个任务综述，并指出该领 域的研究趋势，其中各小节内容如下：1 ）对话系统涉及的五种关键技术；2 ） 对话系统的演进历史以及相关的科研项目；3 ）对话系统用户建模；4 ）对话系 统课题的研究趋势；更智能化、多样化，且具有可移植性以及多模功能。本文的 第二部分将讨论一种具体的数据驱动的统计对话系统。 1.1 对话系统涉及的五种主要技术 对话系统通常涉及五个主要的模块：  语音识别（ASR ）  口语理解（SLU ）  对话管理（DM ）  自然语言生成（NLG ）  文本生成语音（TTS ） 由于ASR 模块和TTS 模块涉及声音信号的处理，不是本文的重点，我们仅限于 讨论SLU, DM 以及NLG 三个模块。需要说明的是，对话系统还常常有一个单独 的模块来存储对话历史。 1.1.1 口语理解（SLU ） 口语理解是语音识别模块的下游模块，其任务是获取输入语音信号的语义表 示，该语义通常以frame 的形式表示（Allen, 1995 ）。而每一个frame 通常又包 含多个槽位，例如，在飞机订票系统中，一个SLU 的frame 通常包含如下槽位:  speechActType  departureCity  destinationCity  destinationCity  departureDate  arrivalDate  airline 一个示例SLU 模块的输出如下：  speechActType ：订票  departureCity ：北京  destinationCity ：上海  …… SLU 模块的高精度实现是很困难的，因为语言中常常带有歧义、人称代词、