面向NLP的AI产品方法论——如何做好“多轮对话管理”

本系列文字是一位创业者的投稿《面向NLP的AI产品方法论》，老曹尽量不做变动和评价，尽量保持系列文章的原貌，这是第3篇。

看着这个标题我就想笑，原来的标题是，如何做好多轮对话管理，然后我就默默的加了个引号，用于断句。

本文是前一篇文章《NLP方法论：如何设计多轮语音对话技能》的延续，本文主要讨论的是对话设计，是业务设计中的重中之重。

VUI相比于GUI，没有流程预设，全程使用对话输入，用户可以随意表述，无法有效控制用户的输入行为。

有些人会一句话表达自己的诉求，有些人不能；有些人表述啰嗦，逻辑混乱，不能一次说清所有的要点，需反复追问；有些人频繁改变主意，机器人需要不断理解，并适配更改意图；有些人就是跑题大王，经常性的多个频道切换；有些人压根不知道自己要啥，希望机器人给建议；有些人就是无聊，纯属挑逗机器人。有些人……

毕竟“人工智能皇冠上的明珠”，理解不了，接不好话就是人工智障。

而当用户想怎么说就怎么说，好比脱缰的野马，上下文指代、否定、反问，双重否定、以汉语言的博大精深之处，又会分分钟教计算机做人。

“中国：我们这边快完了。” “欧洲：我们这边快完了。” “中国：我们这边好多了。” “欧洲：我们这边好多了。”

以上对话也是2020年3月中旬这个场景才看懂，过一段时间后，大家偶尔翻到这篇文章，未必会理解。

此前的对话管理的学术报告的定义是：“考虑历史对话信息和上下文的语境等信息进行全面地分析，决定系统要采取的相应的动作，如追问、澄清和确认等。主要任务有：对话状态跟踪和生成对话策略。实现途径上，目前有检索模型、生成模型等。”

我自己提炼了一套简单便于理解的，对话设计的本质是管理。目标即：通过问答行为，控制用户的表述，明确其需求，并方便计算机理解。

还是以买电影票举例，我们就是基于各种主副词槽，模拟出用户各种各样的表述，去完成每一轮的查询，检索行为。从结果上而言，用户只要确认好4个主词槽（为什么是4个上篇文章有讨论过思路）就可以完成下单行为了。

当用户的话术中，一旦分析出，用户有买电影票的意图的时候，此时主动权就应该完全由对话管理去掌控了。

接下来的问题是？（以买电影票场景为例）如何设计问题？

一、自己如何问？

设计话术问题之前，先要把基本功打牢固。

问题有两种，一种是开放式，一种是封闭式。

开放问题：问题提得比较笼统，圈定的范围很不固定，给回答者很多自由发挥的空间。用户回答起来比较轻松，更易于展示自己，没有太多的压力。

封闭问题：问题提得很具体，圈定的范围比较固定，要求回答者在范围内给予明确回答。用户会感到压力，有种被审问的感觉。

所以，面试的时候，相亲的时候，尽量提开放性问题，以方便对方自由发挥，更容易展示自己，容易发散，容易给彼此接话，也不会把天给聊死。

而在统计问卷，做填表，调查的时候，封闭问题更容易做到统计，文科生理科生的思维就在于此，要不怎么说程序员严谨刻板不浪漫呢，毕竟跟计算机打交道过多。此处没有黑程序员的意思，毕竟我也敲过一些代码，也认识很多有趣的可爱的程序员。这是社会偏见，是刻板印象，不可取。

故而，我们可以对不同的提问方式做一个总结和提炼。

PS：NER（命名实体识别）常见的有时间、数字、人名、地名……等等，大家理解为方便做填空题即可，具体可以查询百科。

回到买电影票场景，我们的核心目标是引导用户说出4个主槽位，最终完成下单的目标。

我们可以尝试着做下练习，以便自己熟悉语感。

练习填入开放性的问题，并且自己写上答案是为了培养自己“写问句”的业务敏感度，确认自己使用的话术是否会引发用户的开发性回答。同样我们可以需要做一下封闭型问句的练习。

之所以每个都写，完全是出于帮大家理解，以及感受合适不合适。

比如确认座位，直接替用户选好，然后用【确认】的问法去请求“肯定”回答，就比较合适，如果用户不满意可以交付给GUI，绝不推荐语音选座。

比如影片名这类，用【确认】问句去求“肯定”回答，就不合适，有限条件下，我们无法命中用户的喜好，视当时的情况，用【填空】或者【选择】比较合适

在实际的过程中，还会加入一些话术比如“为您找到……为您推荐……附近有……请问……您看这个可以么？”等语气助词，显得不那么生硬。

工作中很多的同学，一开始就写句子经常无头绪，毕竟任何一个问句都是合理的。

语感不好的人一定要练习，规避“开放问题”，同时掌握好，使用【填空】【选择】【确认】三种问法结构的选择，做到熟练应用，在我们部门是所有人的基本功。

以后再遇见任何业务，便可基于业务情况做问法选择，做到“运用之妙，存乎一心 ”。

本阶段重点：

1. 理解开放问题和封闭问题，以及封闭问题的三种方案。
2. 使用封闭问题去管理用户答案，以便于计算机理解。

问，是非常重要的基本功，是做好对话设计的前提。

二、用户如何答？

经常有人说用户的回复千奇百怪，就固定域对话交互而言，事实并非如此。本章节主要做预判，尝试穷举用户的可能答复。

直接公布方法论，笔者归纳总结如下：

无论对话行为是单轮还是多轮，只要你把对话的机会交给用户表述，每回复均有可能发生。让我们来看一下各种情况，以及不同场景下的应对方案。

（1）用户回复归类：跟随

以看电影举例，用户如果每个都依据话术，完成指定回答，很容易完成任务，我私下称这类用户为“小乖型用户”。

应对策略：成功提取槽位后，推进程就好。

（2）用户回复归类：筛选与修订

在对话的过程中，对方会基于自己的需求做筛选行为，亦或者是，明明需要用户确认当前词槽（确定电影场次），而用户临时起意，需要改此前的槽位，比如换电影，或者换影院。

首先，如果每次都让用户做肯定否定，必然出现推荐不到位不精准，把用户逼成“挑选型用户”。同时，再者，用户也有挑挑拣拣的权力啊。我十分不好意思，称之为“挑选型用户”。

应对策略：应该基于用户的需求，进行调整，帮助用户完成查询/修订结果。

语境内筛选，非常考虑语义理解，是做好NLP必备的功底，筛选做的好，体验才能够稳稳超过GUI，用户有需求才筛选，当用户筛选完，自然最终完成填槽行为，最终达成目的。

还有一种情况，我称之为无法处理的筛选，请看例句：

“帮我找一个高大上的电影院；好看的/有内涵的/羞羞的电影；舒服的，观影效果好的座位；适合我南山吴彦祖/福田刘亦菲看的电影院；”

人类看来，这是属于无意义的前置条件，其实取决于内容标签和指代关系。

例如，“我想看关于海战的电影；停车比较方便的电影院；想选一个靠门的座位”，这句话在人类看来是有意义的，如果内容层面没有这个标签，筛选也无法做起，从计算机角度，我统一归纳为，无法处理的筛选。而不是无意义筛选。

应对策略统一处理成，随机推荐，并反馈封闭问句，请求对方的封闭回答即可。

如果你反复跟人类纠结，企图让对方定义更为明确的筛选条件。

“抱歉，我不太明白，什么是羞羞的/有内涵的电影。”

“抱歉，我不太明白，什么是海战有关的电影。”

那又变成开放问题了，这种情况是就算是用户给AI解释，AI也未必听得懂，对话变长不利于业务的后续推进，这种体验就十分不爽了。

（3）用户回复归类：关联咨询

在某些对话语境下，很容易问出边界外的问题，毕竟有些问题是影响用户购买决策的。

例如用户买机票的时候会问天气情况，人类能懂能猜测能推理，因为这些是常识，但是计算机是否理解常识并推理，就看各家的设计了。

应对策略：本质上是如何处理好，任务、问答、闲聊之间的关系。其实各家都处理得不一致。

这种基于业务需求的关联咨询，某种意义上也是开放域了，你可以选择认怂，无法回答此类问题，并请求用户重新确认该关键点上的词槽。

再者你比较负责，会尽量覆盖一些对话领域，并训练各种FAQ的响应，但要处理好交叉对话之间的记忆关系。

例如：订机票业务，下单之前。

AI：blablabla（介绍机票的各种情况）……需要为你预定么？ 用户：哎对了，上海那天天气怎么样？ AI：blablabla…… 用户：那杭州呢？ AI：blablabla…… 用户：行吧，下单吧。

此时AI应该如何处理？两轮天气对话之后的下单？好，如果用户再问三轮，关于机场，行李托运，打折情况，然后决定下单，此时AI应该如何处理？

以上并非杜撰，是笔者在用户对话log后台看到用户的真实使用情况。

应对策略的选择，凡事考量性价比，在此前的一篇文章中，在思考场景和确定业务边界的时候，应该考量到位，此处不展开。

（4）用户回复归类：无意图表述

在某些对话语境下，很容易问出边界外的问题，毕竟有些问题是影响用户购买决策的。

例如用户买机票的时候会问天气情况，人类能懂能猜测能推理，因为这些是常识，但是计算机是否理解常识并推理，就看各家的设计了。这也是一种可能存在的情况。这首先是用户的权力，会出现的异常情况。亦或者是自己的语义理解覆盖不到位，用户的明确意图，识别成了无意图。

应对策略：语义理解不到位的不讨论，自己通过对话log强化语义覆盖即可。而真的确定为无意图表述，转向做推荐，请求用户确认。

如果用户反复选择无意图表述，不填槽便始终无法推进，对话进入死循环，AI只需要处理，随机回复策略即可。

（5）用户回复归类：命令控制

命令控制是一个全局的指令，它仅仅在特定的语境、技能、场景、流程点上完成激活行为。买电影票这个例子用命令控制的场景较少。其实相当多的技能在某些场合会激活命令控制，比如播放类的音乐/视频和或者游戏等。

应对策略：

每个流程点的命令控制都是特定的规则是提前定义好的。如果用户在未激活的场景下说了命令控制，也不会响应，而是交由其他业务逻辑完成回复。一种比较通用的回复是AI：抱歉超出我的理解范围……（增加一个封闭提问请求用户回答）？

（6）用户回复归类：跳出或退出

任何轮次，用户都可以做出“跳出或退出”行为。跳出和退出都是结束当前任务的表现。

一般而言跳出是打开某个其他的技能。退出则是明确说再见。

同样存在误识别的可能性，特别是看电影，或者听歌，作品名字可以随意取。比如《我想去拉萨》就是一个歌名，会不会被导航识别呢？比如说有些音乐或者电影名，可以完全可以命名为《滚》《退出》《再见》等等。

应对策略：

1、语义理解增强NER的识别表现，以规避歧义双关语表述。2、明确跳出，开启另一轮任务对话，明确退出就结束对话。3、基于用户付出的成本，增加挽留确认和退出话术引导。

为方便记忆，这一段的知识点归纳于此，做到了以下图中的几点就完成了对话管理，且这种方法论，可用于绝大多数的任务型业务场景。

三、对话管理思维

再次重申对话管理的目标：通过问答行为，控制用户的表述，明确其需求，并方便计算机理解。

达成目标需要行动，而思维是统一行动纲领的。

最开始我想说“理性思维”和“感性思维”的，但是从个人语感上，从各位读者的理解角度而言，用在这个场景下，不精准，遂修订为“直男思维”和“暖男思维”。

直男思维：目标性强，简洁准确，不绕弯。

暖男思维：识别意图，幽默风趣，有温度。

我们设计一个技能，就是利用VUI的特性，快速帮助用户达成目标。即：任务导向，结果导向。

全程是帮助用户快速完成任务的心态，想让对方快速达成结果的，用封闭提问。

用户找AI助手是解决问题的，而不是调情的。所有的填槽行为都是为了完成某个任务，用户有需求，就应该快速给结果，不墨迹。

下面我用一个例子来解释这两个词儿的准确与方便记忆所在。

就好比，女生跟男生说肚子痛。

男生的身份如果是医生，直接封闭型问题走起：“痛了几天了，具体哪个位置啊，睡眠好不好”，基于用户的特征判断，填槽即可，然后开药、休息、多喝热水都是解决方案。

男生的身份如果是男朋友或者男同事，上来就“多喝热水”，直男无法识别意图（渣男往往更有嗅觉），直男回复无法满足其预期，就别怪女生翻白眼了。

这一切的原因是，AI助手在用户心中是一个怎样的角色定位，以及用户使用AI助手的目的。如果AI助手的定位是情感机器人，那么处理策略又另当别论了，受限于篇幅此处不展开讨论。

其实直男思维和暖男思维并不对立冲突，跟理和感性思维一样，可以融合统一，但在不同的场景下，分主次。

在快速帮助用户解决问题的前提下，AI助手一样能做到幽默风趣有温度。

处理策略归属于理性，实际话术表现处理归属于感性。这一块需要大量的语感练习，有天赋才能够发现对话文字之间的细微差别之处。

对话设计，在掌握了理性的逻辑思考之后，余下部分其实是文科生发挥优势的战场。

这里，一张图片整理本篇方法论知识点。

文末提几个问题，给大家思考，也留作后续的NLP方法论文章的递进，同时也是做好一个对话助手的递进。

以下是工作中的同事以及一些读者朋友留言的问题。

1、新用户对VUI是陌生的，有时候看用户使用非常挣扎，偶尔突破性的提问就会碰到边界，如何教会用户使用各种巧妙的表述，快速达成任务目标？

2、机器人的回复是固定套路，很多时候用户仅仅改了一个筛选条件，AI又不得不从头到尾念完，然后请求用户确认，我自己用都觉得罗嗦，何况是用户，而这类信息又必不可少，如何处理好这类问题？

私以为，只有当我们面对的问题，达到这种颗粒度，才更能够做好对话管理行为。欢迎各位同学留言评论，期待着与你的交流。