文章摘要： 摘要内容。
简介
主要功能
注意事项
适用场景
对话系统分类
- 按交互方式分类
- 任务型对话系统：专注于完成特定任务，如预订机票、设置提醒等。
- 非任务型对话系统：通常用于闲聊或提供信息，不专注于完成特定任务。
- 按智能化程度分类
- 基于规则的对话系统：使用预定义的规则来引导对话。
- 基于机器学习的对话系统：使用数据驱动的方法来理解和生成对话，如Rasa。
- 按交互媒介分类
- 文本对话系统：通过文本进行交互，如即时消息、聊天应用。
- 语音对话系统：通过语音进行交互，如智能助手、电话客服。
- 按功能复杂度分类
- 简单问答系统：仅处理特定问题的直接回答。
- 多轮对话系统：能够进行多轮交互，处理更复杂的对话场景。
- 按用户界面分类
- 固定式对话系统：用户界面和交互选项是固定的。
- 自适应对话系统：能够根据用户的输入和上下文动态调整对话流程。
- 按应用场景分类
- 客户服务对话系统：用于提供客户支持。
- 教育对话系统：用于教学和学习。
- 娱乐对话系统：用于娱乐和休闲，如聊天机器人。
- 按技术架构分类
- 单体对话系统：所有功能集成在一个系统中。
- 微服务架构对话系统：将对话系统的不同组件作为独立的服务运行。
对话意图理解
- 详细总结：自然语言理解
- 正则匹配/规则/模板
- FAQ系统
- End2End文本回复
多轮对话
实现方案 01
上下文信息表征
- 把对话历史的之前三句话用sep分割作为文本输入另一个BERT模型，取出那个模型的cls位置变量作为上下文表征。
意图识别
- 把该上下文表征（cls向量）和用户输入的语句的特征向量，再进行ner和文本分类。