领域伸缩
大多数之前的对话系统只能适用于特定的领域, 预先定义的实体以及语义标记(有限的大小), 与此相反, 此篇论文中所使用的领域知识库十分庞大, 不仅给算法和模型都带来了挑战, 而且产品设计亦是一个问题...就是通过用户话语表达出来的意图
?
, 用于确定action(推荐或者是QA)
?
是
?
所涉及的产品种类, 用于确定可能的产品以供DM来进行分析.
?
是二元组
?
的集合,
?...代表对应的值,
4.1 问题意图检测
同一产品的话语提及可能是完全不同的, 系统需要基于用户意图来确定如何进行动作, 文中提及了一个意图分析的例子, 利用几个简单的模板来套用就可以得到相应的意图, 但是意图检测仍然是一个比较大的问题...购物相关意图的集合通过众包来定义, 基于基于主题的短语聚类 **
5. 对于每一个意图, 通过众包选取短语的一个集合
6. 返回一个购买意图集合
?...中被检测到的时候触发, 同时对应的属性值没有检测到, 将会通过产品数据库来返回没有提及的属性值, 我们将其视作单轮的KB-QA(知识库-问题回答)任务, 通过Yih的方法解决
Yih, W.