對(duì)話系統(tǒng)最原始的實(shí)現(xiàn)方式 檢索式對(duì)話

對(duì)話系統(tǒng)可以說是NLP領(lǐng)域目前已知最扎實(shí)的落地場景了，整個(gè)流程都脫離不了NLP的核心作用，而且整個(gè)流程涉及NLP的大量任務(wù)，因此大量的研究都圍繞著對(duì)話系統(tǒng)來開展，也因此產(chǎn)生了很多很有意義的新方法。而檢索式對(duì)話作為對(duì)話系統(tǒng)最原始的實(shí)現(xiàn)方式，又蘊(yùn)涵著什么有意思的東西，我們來看看。

什么是對(duì)話系統(tǒng)

對(duì)話從來就不是一個(gè)簡單的任務(wù)，這是一個(gè)涉及理解、生成、交互等多個(gè)方向技術(shù)的綜合實(shí)體。

理解：需要理解對(duì)方輸出的內(nèi)容，只有這樣才能給與正確的回應(yīng)。

生成：基于理解的內(nèi)容，給出合適的結(jié)果。

交互：在多輪對(duì)話上，需要記錄跟蹤整個(gè)對(duì)話過程中涉及的內(nèi)容。

要同時(shí)完成這么多任務(wù)，相必是非常復(fù)雜的，同時(shí)場景上的復(fù)雜性，客服、語音助手、閑聊等，也造就了對(duì)話系統(tǒng)的復(fù)雜性，最終成為了NLP里面一個(gè)重要的研究抓手和目標(biāo)。

檢索式對(duì)話

檢索式對(duì)話按照個(gè)人理解應(yīng)該是最為經(jīng)典的解決方案，把一個(gè)對(duì)話問題抽象為一個(gè)搜索問題，大量早期的對(duì)話系統(tǒng)都是用這種解決方案來實(shí)現(xiàn)的，甚至在現(xiàn)在，一些簡單的對(duì)話任務(wù)，都可以用它來簡單實(shí)現(xiàn)，可以說是工業(yè)界最喜歡的一種實(shí)現(xiàn)方式了。簡單地說，整個(gè)檢索式對(duì)話的流程可以用這個(gè)流程來表示：

query理解->檢索召回->相似度排序

沒錯(cuò)，看著就是搜索的流程，對(duì)句子進(jìn)行理解，理解后到數(shù)據(jù)庫里面進(jìn)行召回，召回以后再進(jìn)行相似度排序找到最佳答案。既然流程被拆解，那我們來看看每一步里面都會(huì)做什么東西。

query理解

簡單的說，其實(shí)就是去理解用戶輸入的內(nèi)容說的是啥，一般的自然語言理解主要關(guān)心的是這么幾個(gè)技術(shù)細(xì)節(jié)：

意圖和話題。即用戶談?wù)摰氖悄膫€(gè)領(lǐng)域的事情，從而剖析用戶期待對(duì)話系統(tǒng)返回的是什么。這個(gè)問題常被當(dāng)成分類問題來處理，用分類規(guī)則或者是方法來進(jìn)行意圖識(shí)別。一旦抽象成分類問題大家就應(yīng)該大概理解了，就是fastext、textcnn之類的玩意了。

槽位和實(shí)體。我們需要知道用戶需要什么，需要抽取用戶的具體實(shí)體，這個(gè)經(jīng)常被抽象為序列標(biāo)注問題，此時(shí)CRF、BILSTM-CRF之類的方法就是基操了。

當(dāng)然，也有一些工程上會(huì)把它抽象化，只是轉(zhuǎn)化為向量或者矩陣，下游用矩陣進(jìn)行搜索。

總之，query理解這塊，主要是為了解析用戶說的內(nèi)容，去理解他的語義，這樣我們才能為用戶找到合適的答案。

檢索召回

召回這塊，按照搜索的操作，就是拿著我們提取的槽位和實(shí)體，甚至是我們解析的向量和矩陣，根據(jù)意圖和話題放到搜索引擎里面去檢索，搜索引擎中有倒排索引，直接拿著關(guān)鍵詞就能找到對(duì)應(yīng)的內(nèi)容。

然而，問題其實(shí)不在怎么檢索召回，而是在于召回的內(nèi)容怎么來。相比搜索引擎，對(duì)話系統(tǒng)的內(nèi)容可能更加不結(jié)構(gòu)化，同時(shí)可得性由于特定需求其實(shí)并不好得，例如淘寶的客服，每家店的商品性質(zhì)各不相同，很難需要召回的結(jié)果，有正確答案的就更難了，所以，常用的方式有這幾種：

對(duì)高頻問題進(jìn)行編輯，然后統(tǒng)一維護(hù)管理。數(shù)白了就是人編。

基于一些模板進(jìn)行組裝生成。

利用文本生成的方式進(jìn)行處理。

相似度排序

一般地，根據(jù)用戶最簡單的query，往往能召回很多可能比較好的答案，此時(shí)我們要選擇最優(yōu)的給用戶。衡量最優(yōu)的標(biāo)準(zhǔn)之一就是相似度，語義相似度就是最為經(jīng)典或者說基本的相似度衡量方式，當(dāng)然搜索領(lǐng)域的ctr（不是點(diǎn)擊率）、cqr、BM25等，這些非?；镜脑亍?/p>

對(duì)經(jīng)典的語義相似度，就要說2013年的DSSM了，這個(gè)模型可謂是開了語義相似度雙塔結(jié)構(gòu)的先河。

優(yōu)缺點(diǎn)和應(yīng)用場景

說完了具體的流程，然后再說說檢索式對(duì)話的優(yōu)點(diǎn)和應(yīng)用場景。

先談?wù)剝?yōu)點(diǎn)吧。

應(yīng)該是這么多種對(duì)話實(shí)現(xiàn)方式中對(duì)樣本依賴最低的。

實(shí)現(xiàn)成本低，初版本實(shí)現(xiàn)速度快，后續(xù)拓展

三段處理，可控性強(qiáng)。

因?yàn)檫@些優(yōu)點(diǎn)，檢索式對(duì)話在工程上被廣泛應(yīng)用。

客服機(jī)器人。尤其是淘寶的場景，這里有非常專業(yè)的內(nèi)容，例如用戶會(huì)問浴缸的長寬高，會(huì)問電腦的配置等等，這些用檢索式非常方便。

問答類對(duì)話。例如小猿搜題之類的，還有一些百科類的問答，雖然不知道具體公司的操作，但是用檢索式的確會(huì)非常方便。

對(duì)話系統(tǒng)初版本。即使是很多開放域，第一版本的構(gòu)造都會(huì)嘗試檢索式對(duì)話的架構(gòu)。

當(dāng)然了，檢索式對(duì)話這套實(shí)現(xiàn)方案還是有很大的局限性，因此才會(huì)有很多項(xiàng)目嘗試做一些別的做法，先聊聊缺點(diǎn)：

答案相對(duì)固定，靈活性不足，在一些閑聊場景，會(huì)非常困難。如，用戶問一句，你好，后面有很多答案都是合理的。

任務(wù)型的對(duì)話，在各種語音助手，小度、siri之類的很常見，一些引導(dǎo)用戶完成任務(wù)的工作，對(duì)話機(jī)器人是需要做一個(gè)主動(dòng)帶節(jié)奏的角色，檢索式基本辦不到。

多輪對(duì)話。在檢索式對(duì)話基礎(chǔ)上，單輪對(duì)話升級(jí)為多輪對(duì)話其實(shí)是存在明顯的天花板，成本也比較高，雖然已經(jīng)有一些相關(guān)的操作，如Multi-view、SMN之類的，但是實(shí)現(xiàn)的難度還是會(huì)有些高。

小結(jié)

小結(jié)一下，檢索式對(duì)話作為對(duì)話系統(tǒng)一個(gè)經(jīng)典的技術(shù)，非常有必要學(xué)習(xí)和探究，今天大概講了一些流程和概述，也希望大家有所收獲。

責(zé)任編輯：xj

原文標(biāo)題：【對(duì)話】對(duì)話系統(tǒng)經(jīng)典：檢索式對(duì)話

文章出處：【微信公眾號(hào)：深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。