[发明专利]用于新的会话对话系统的数据收集

说明书

一种数据收集系统基于从数据库模式得到的一组通用对话行为。群体工作者执行两种类型的任务：(i)标识有意义的对话路径，以及(ii)执行这些对话路径到真实对话的上下文相关释义。系统的最终输出是一组用其逻辑形式注释的真实对话的训练示例。该数据可以用于训练对话系统的所有三个组件：(i)用于理解上下文相关话语的语义解析器，(ii)用于在给定当前状态的情况下生成新对话行为的对话策略，以及(iii)用于决定说什么以及如何用自然语言来表达它的生成系统。

背景技术

流畅的会话系统难以设计。自然语言的复杂性加上大量的个人言论自由使得难以设计规范性的自然语言界面以使得它们覆盖潜在的互动空间。另外，这种能够完成特定主题中的所有任务的系统非常难以使用，因为它不能分析用户所说的各种句子，也不能捕获系统产生的动作和语言的可能性。

问题是鸡与蛋的问题——系统可以使用Wizard of Oz(WOZ，绿野仙踪)系统来创建会话系统的模型，并且然后说服大量的人类用户与系统交互。这是昂贵的，因为“会话系统”必须由人类操作者表示，并且它同样受限于在人类操作者话语空间中进行操作(每个操作者具有不自然地限制WOZ数据的特质话语)。

然而，可以使用WOZ场景来引导会话系统。这样的系统可以通过以下进行工作：在特定主题中为系统创建用户界面(通常是web界面)，并且然后通过强迫或以其他方式说服人们通过与系统谈话(或者向其输入内容)来使用系统来执行任务(例如，预约航班)，并且进行一系列交换，直到成功预约航班或放弃任务。该技术有利地用于引导ATIS(航空运输信息系统)DARPA项目以填写机票，但任务比实际使用所需要的任务简单得多。

替代方案是通过直观地描述用户和代理可以说的事物(以及代理可以采取的动作)来从头开始创建系统。这导致对于不知情用户的交换极其低效，因为系统受限于开发工程师的特质。可以从这个实际系统引导(假定某种形式的机器学习可用于将以前看不见的元素包括在系统中)，但是这种系统的开发很困难。当前流行的聊天机器人并没有被证明是成功的会话系统的祖先。

需要一种能够训练对话系统的改进的方法。

附图说明

图1是收集和使用带注释数据的系统的框图。

图2是数据生成系统的框图。

图3是用于生成带注释数据的方法。

图4是用于通过用户界面注释数据的方法。

图5示出了由本系统提供的另一用户界面。

图6示出了由本系统提供的另一用户界面。

图7示出了由本系统提供的另一用户界面。

图8示出了由本系统提供的另一用户界面。

图9示出了由本系统提供的另一用户界面。

图10示出了由本系统提供的另一用户界面。

图11示出了由本系统提供的另一用户界面。

图12示出了由本系统提供的另一用户界面。

图13示出了由本系统提供的另一用户界面。

图14示出了由本系统提供的另一用户界面。

图15示出了由本系统提供的另一用户界面。

图16示出了由本系统提供的另一用户界面。

图17示出了由本系统提供的另一用户界面。

图18示出了由本系统提供的另一用户界面。

图19示出了由本系统提供的另一用户界面。

图20示出了由本系统提供的另一用户界面。