对话系统

摘要： AI主播,即利用语音合成技术,模仿新闻主播的声音,根据文本自动生成新闻语音,再捕捉新闻主播的形体、动作和神态结合图像技术进行合成,让虚拟的“AI分身模型”进行新闻报道,即AI主播。世界上最早的AI主播是2001年英国报业联会媒体公司推出的阿娜诺娃;此后,2017年,英国《早安英国》节目推出能识别62种人类表情的AI主播Sophia;2018年,日本推出拥有AI对话系统的电视新闻主播埃丽卡;我国自2018年起AI主播不断迭代更新,先后实现了从“坐着播报”到“站立式播报”、从2D平面到3D立体、从语音合成到手语播报的升级,不断丰富AI主播的样态,并通过大量的媒介应用给媒介生态带来了新的变化。

摘要： 为了提升对话系统的实体纠错能力和意图识别正确率,提出了一种基于实体模糊识别的高校心理咨询对话系统。通过实体的拼音、模糊拼音、音调和正确汉字数纠正用户输入中易错实体,并给出一种构建噪声数据的方法,以提高对话系统识别未知意图的能力。实验表明,所构建的系统在实体纠错、内存占用和响应速度上都较对比算法更优,且整体测评结果证明构建噪声数据方法的有效性。

摘要： 知识对话系统旨在使用外部知识和对话上下文生成符合客观事实的回复。已有知识对话的研究较少关注知识对话系统的在线更新的问题。在知识对话系统在线更新中,面临因与知识配对的对话语料标注成本过高而导致零对话语料可用的问题。该文针对知识对话系统零资源更新问题,提出使用Pseudo Data进行模型的在线更新。首先,针对不同的场景,分析成因并提出了不同的Pseudo Data生成策略。此外,该文在数据集KdConv上验证了当对话语料零资源时该文提出的方法的有效性。实验结果表明,使用PseudoData进行更新的模型在知识利用率、主题相关性上接近使用人类标注数据的在线更新模型,能有效使得知识对话系统在对话语料零资源的情况下完成在线更新。

摘要： 生成语言的质量评价很大程度上影响着自然语言生成的研究,已成为制约该领域发展的瓶颈问题。通过对机器翻译、自动文摘、对话系统、图像标题生成和机器写作等广义自然语言生成任务的语言质量评价方法的汇总,介绍了人工评价和自动评价的特点、优缺点和开放评价资源,分析了不同任务的不同评价角度和适用面。不同评价方法的对比分析,可为方法融合和关键问题的探索提供借鉴。整体上机器生成语言质量评价还局限于语言形式的比较,在语义表达的准确性、衔接连贯性等深层评价上存在诸多挑战。结合评价难点问题和现有研究的推进情况,分析了生成语言质量评价的研究趋势。

摘要： 口语语言理解是任务式对话系统的重要组件,预训练语言模型在口语语言理解中取得了重要突破,然而这些预训练语言模型大多是基于大规模书面文本语料。考虑到口语与书面语在结构、使用条件和表达方式上的明显差异,构建了大规模、双角色、多轮次、口语对话语料,并提出融合角色、结构和语义的四个自监督预训练任务:全词掩码、角色预测、话语内部反转预测和轮次间互换预测,通过多任务联合训练面向口语的预训练语言模型SPD-BERT(spoken dialog-BERT)。在金融领域智能客服场景的三个人工标注数据集--意图识别、实体识别和拼音纠错上进行详细的实验测试,实验结果验证了该语言模型的有效性。

摘要： 现有的对话情绪感知模型仅使用多轮对话中对话上文的语义特征感知用户的实时情绪,没有进一步提取多轮对话中用户的离散情绪特征。针对以上问题,提出一种融合情绪胶囊的对话情绪感知模型,该模型在提取多轮对话文本语义特征的同时使用胶囊网络提取用户的离散情绪特征。通过GRU提取多轮对话语境下各轮对话的语义特征;并使用胶囊网络提取单轮对话中用户的离散情绪特征;最后把两种特征进行融合后输入到全连接神经网络中进行情绪感知。在实验数据集上的对比试验表明,提出的模型相较于基线模型更能有效利用丰富的文本特征,提高对话情绪感知的效果。

摘要： 全球首个《AI对话系统分级定义》发布,6月28日,由清华大学计算机教授、智能技术与系统实验室副主任黄民烈发起,联合了十余家科研机构、二十多位知名学者共同制定的全球首个《AI对话系统分级定义》正式发布。《分级定义》将推动AI对话系统在虚拟个人助理、智能家居、智能汽车(车载语音)、情感陪护和心理健康等领域的应用有据可依,并将加速下一代AI对话系统的研发与应用。

摘要： 针对当前电力营业厅等服务型场所缺乏领域特有的情感分析数据集这一问题,构建了一个可应用于电力营业厅等服务型场所的情感分析数据集。该数据集可对用户话语进行情感极性分类,并可对用户情感来源进行归因分类。数据集共包含2080条数据,首先从电力系统营业厅客户的交互、反馈中收集原始语音、文本数据,然后对这些数据进行清洗、脱敏和增广,最后进行情感极性分类和情感指向分类两类文本分类任务的标签标注和校对。在得到的数据集上使用多种特征提取方法和分类器模型进行多次交叉验证实验,其中基于BERT作为编码器的神经网络分类器模型最高可在数据集两类任务上取得95.31%和92.07%的准确率,充分验证了所提出的情感分析数据集的有效性和实用性。实验结果表明该数据集可用于对话系统的实际应用及相关领域的情感分析中,帮助营业厅等服务类场所更有针对性地提升服务质量和用户体验。

摘要： 对话策略是任务型对话系统构建的核心组件,通常被定义为强化学习,通过代理和环境的交互,提升对话策略效率。针对当前任务型的对话系统缺少高质量的标注数据集及模型难于收敛等问题,提出了结合规划的双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic Policy Gradient)算法,用以优化对话策略。该算法使用孪生网络结构,采用软更新、策略噪音和延迟学习等方法,有效的改善了过估计问题。实验结果表明,该方法加速了模型的收敛,提升了对话成功率。

摘要： 随着信息技术与传统行业的相互融合,使用计算机控制的机器替代人类进行一系列重复、枯燥甚至危险的工作已成为一大趋势。为利用自然语言与计算机进行有效的交互,基于多轮对话技术的人机交互与对话系统应运而生,并已成为当前人工智能与自然语言处理领域的研究热点。电网调控系统中存在大量查询操作,需要调度员手动操作数据管理系统。利用多轮对话技术实现电网数据的智能化查询,可解决现有调度系统操作流程复杂低效的问题,大大提高了调度员对紧急情况的处理速度。文中首先阐述了任务导向型多轮对话系统的基本架构,以及自然语言理解、对话管理、自然语言生成3个模块的功能与相关算法。然后,为满足电网公司对数据智能查询等特定场景的需求,设计并实现了一个多模块级联式的任务导向型多轮对话系统。该系统主要由自然语言理解模块、对话管理模块、自然语言生成模块和知识库4个核心部分组成。电网调度员可使用自然语言的形式向该系统询问其所希望获得的信息,并得到相应的回复。该过程无需键盘和鼠标的操作,大大提高了电网信息查询的快捷性与便利性。

摘要： 本文详细介绍了对话系统，介绍了机器学习，探讨了情景对话开发平台，包括相似度算法+组合系统，分析了基于知识图谱的问答。

摘要： 任务导向对话系统的自然语言理解,其目的就是解析用户以自然语言形式输入的语句,并提取出可以被计算机所理解的结构化信息.它包含意图识别和槽填充两个子任务.BERT是近期提出来的一种自然语言处理预训练模型,已有研究者提出基于BERT的任务导向对话系统自然语言理解模型.在此基础上,该文提出了一种改进的自然语言理解模型,其编码器使用BERT,而解码器基于LSTM与注意力机制构建.然后,该文提出了该模型的两种调优方法:锁定模型参数的训练方法、使用区分大小写的预训练模型版本.在基线模型与改进模型上,这些调优方法均能够显著改进模型的性能.实验结果显示,利用改进后的模型与调优方法,可以分别在ATIS和Snips两个数据集上得到0.8833和0.9251的句子级准确率.

摘要： 本文针对非任务导向型对话的回复质量构建了一个大规模的人工标注中文数据集,该数据集包含了从社交媒体收集到的超过2万7千个对话问题以及超过8万2千个对话问题的回复.为了产生高质量的标注数据,邀请了专业人员根据对话回复的相关性、连贯性、信息性、趣味性、以及是否潜在地具有让对话继续延续的特性进行标注,在标注中定义了一个五级评分方法,分别是:极差的、较差的、一般的、较好的、极好的.为了测试标注产生的数据集是否具有有效性和实用性,以对话回复选择为任务,在我们的标注数据集上测试了多种无监督和有监督模型.实验结果表明,该数据集对于提升对话回复选择的质量有显著效果.

摘要： 介绍了在少儿图灵测试方面做的一项研究.该测试用一个基于常识知识库的对话系统实现.它能用比较自然的方式和少儿对话.该系统与许多其他对话程序的区别在于它是基于常识的.介绍开展少儿图灵测试研究的动机以及对测试结果的分析.分析少儿图灵测试的成功与缺陷、其主要瓶颈、其变形版本以及它和常识处理的关系.还给出一些假设,并给出在这些假设下对图灵测试前途的一些猜想和一些结论.

摘要： 提出了一个基于统计的从未标注语料库中半自动获取语义语法算法.该算法对特定领域的语料库进行反复的时间聚类和空间聚类,通过时间聚类发现语言片段的语法结构;通过空间聚类发现语言片段的语义类别;循环迭代,可以生成一个粗糙的文法.最后,将这些抽取出来的粗糙文法经过人工校对,得到新领域的语义语法.实验结果表明了该算法是有效和切实可行的.

摘要： 提出了一个基于统计的从未标注语料库中半自动获取语义语法算法.该算法对特定领域的语料库进行反复的时间聚类和空间聚类,通过时间聚类发现语言片段的语法结构;通过空间聚类发现语言片段的语义类别;循环迭代,可以生成一个粗糙的文法.最后,将这些抽取出来的粗糙文法经过人工校对,得到新领域的语义语法.实验结果表明了该算法是有效和切实可行的.

摘要： 提出了一个基于统计的从未标注语料库中半自动获取语义语法算法.该算法对特定领域的语料库进行反复的时间聚类和空间聚类,通过时间聚类发现语言片段的语法结构;通过空间聚类发现语言片段的语义类别;循环迭代,可以生成一个粗糙的文法.最后,将这些抽取出来的粗糙文法经过人工校对,得到新领域的语义语法.实验结果表明了该算法是有效和切实可行的.

摘要： 提出了一个基于统计的从未标注语料库中半自动获取语义语法算法.该算法对特定领域的语料库进行反复的时间聚类和空间聚类,通过时间聚类发现语言片段的语法结构;通过空间聚类发现语言片段的语义类别;循环迭代,可以生成一个粗糙的文法.最后,将这些抽取出来的粗糙文法经过人工校对,得到新领域的语义语法.实验结果表明了该算法是有效和切实可行的.

摘要： 提出了一个基于统计的从未标注语料库中半自动获取语义语法算法.该算法对特定领域的语料库进行反复的时间聚类和空间聚类,通过时间聚类发现语言片段的语法结构;通过空间聚类发现语言片段的语义类别;循环迭代,可以生成一个粗糙的文法.最后,将这些抽取出来的粗糙文法经过人工校对,得到新领域的语义语法.实验结果表明了该算法是有效和切实可行的.

摘要： 提出了一个基于统计的从未标注语料库中半自动获取语义语法算法.该算法对特定领域的语料库进行反复的时间聚类和空间聚类,通过时间聚类发现语言片段的语法结构;通过空间聚类发现语言片段的语义类别;循环迭代,可以生成一个粗糙的文法.最后,将这些抽取出来的粗糙文法经过人工校对,得到新领域的语义语法.实验结果表明了该算法是有效和切实可行的.

摘要： 提供一种对话系统，即使是非高性能、高功能的低性能终端，也能够同时采用语音识别、接触输入、语音输出和画面显示进行用语音的操作。该系统包括发送语音信息的语音装置、发送画面信息的画面装置和对语音装置和画面装置发送接收信息的对话控制装置，上述装置分别连接在公共线路交换网和网络上。语音终端连接在线路上，画面终端连接在网络上，语音终端与语音装置之间以及画面终端与画面装置之间能够进行通信，对话控制装置控制语音装置与画面装置之间的相互通信。分别在语音终端和画面终端之间发送接收语音信息和画面信息，可同时进行语音输入和接触输入。语音终端和画面终端由不同的终端或同一用户终端构成。

摘要： 本公开涉及一种对话系统、一种具有对话系统的车辆以及一种控制对话系统的方法。对话系统包括：存储装置，被配置成存储关于模糊语言的目标及目标值的目标信息；第一输入装置，被配置成接收语音信号；以及对话管理器，被配置成：将在第一输入装置中接收的语音信号转换成文本；基于所接收的语音信号确定用户意图；以及基于确定所确定的用户意图对应于请求意图并且经转换的文本对应于模糊语言，从存储在存储装置中的目标信息获取与模糊语言对应的目标及目标值。对话系统还包括结果处理器，结果处理器被配置成基于从对话管理器获取的目标及目标值而生成响应并且控制所生成的响应的输出。

摘要： 本申请涉及一种智能对话系统架构和智能对话系统的对话方法。智能对话系统的架构包括：话术数据创建模块、第一知识库、第二知识库。话术数据创建模块，用于获取第一用户输入的话术数据，并基于话术数据的类型，将话术数据存储进对应的知识库，在话术数据的类型为单轮话术数据和多轮问题话术数据的入口节点数据时，将话术数据储存到第一知识库，在话术数据的类型为多轮问题话术数据的非入口节点数据时，将话术数据储存到所述第二知识库；第一知识库用于存储单轮话术数据和多轮问题话术数据的入口节点数据；第二知识库用于存储多轮问题话术数据的非入口节点数据。从而可以提升用户的体验感。

摘要： 本文公开了一种对话系统、具有对话系统的车辆和对话处理方法，对话系统能够通过与用户的对话识别与车辆故障相关的初步指示，检查可能未被传感器测得的部件并且阻止事故从而提供用户安全。一种对话系统，包括：存储器；以及处理器，被配置为执行存储在所述存储器中的指令并且：从用户的话语或语境信息中提取对车辆的检查历史的搜索请求，所述语境信息包括与车辆状态相关的车辆状态信息或与所述车辆的行驶环境信息相关的行驶环境信息中的至少一者；基于所述搜索请求确定检查历史搜索的动作，并获取动作参数值以执行所述动作；并且通过使用获取的动作参数值，根据所述请求生成响应。

摘要： 使用用户固有信息和非固有信息生成对话内容。对话系统(20)执行的处理包括：基于与用户的对话来鉴定个人的步骤(S720)，获取个人信息的步骤(S721)，分析对话的步骤(S730)，基于个人信息和事件检索本地轶事和全球轶事的步骤(S731)，使用检索结果生成对话数据的步骤(S760)，输出对话的步骤(S770)以及接受用户评价的步骤(S780)。

摘要： 本发明涉及一种对话系统、具有对话系统的车辆以及对话处理方法。该对话系统包括：输入处理器，提取对应于用户的话语的动作；存储装置，存储语境信息的信息值，语境信息包括与车辆状态相关的车辆状态信息和与车辆的驾驶环境相关的驾驶环境信息中的至少一个；对话管理处理器，从存储装置获取用于确定对应于用户的话语的动作是否可执行的条件确定参数的参数值，对话管理处理器基于条件确定参数的参数值确定要执行的动作，对话管理处理器从存储装置获取用于执行所确定的动作的动作参数的参数值；以及结果处理器，通过使用所获取的动作参数的参数值，生成对执行所确定的动作的响应。

摘要： 本公开涉及对话系统、车辆以及对话系统的控制方法，其中，对话系统包括：语音识别器，被配置为将用户话语转换成话语文本；自然语言理解模块，被配置为基于话语文本识别用户意图；以及控制器，被配置为生成用于执行对应于用户意图的控制的第一控制信号，识别是否存在与对应于用户意图的控制相关的附加控制项，以及当存在附加控制项时，生成用于在显示器上显示关于附加控制项的信息的第二控制信号。

摘要： 本申请提出了一种与对话系统的交互方法和一种对话系统的训练方法。该交互方法包括：获取用户输入的第一用户目标；根据第一用户目标确定多个第一子目标；将多个第一子目标作为输入，与对话系统进行交互；其中，对话系统表示通过用户模拟器训练后的对话系统。

摘要： 本申请公开一种人机对话系统优化方法，应用于人机对话系统，该方法包括：初始化所述人机对话系统中的多个子主题的主题推荐度值；获取用户的多个历史问题；确定所述多个历史问题与所述多个子主题之间的匹配度；根据所述匹配度更新所述多个子主题的主题推荐度值；其中，所述匹配度越高，对应的主题推荐度值越低。根据用户的历史问题确定用户已知的问题，并结合系统所具备的主题，确定主题的推荐度值用于找到合适的引导话题，实现引导的话题既能拓展用户已知能力域，增强用户对系统的了解，又能被系统准确回答。

摘要： 提供了一种对话系统，该对话系统包括存储装置，被配置为存储关系信息；以及输入处理器，被配置为响应于接收到包括接收者的话语和从用户输入的消息的内容，来收集与消息的内容相关联的上下文信息。对话管理器被配置为：基于关系信息来确定用户与接收者之间的关系，并且基于用户与接收者之间的关系来生成用于将上下文信息转换为句子的含义表示。然后，结果处理器被配置为：基于用户与接收者之间的关系、消息的内容以及含义表示生成发送给接收者的消息。