对话机器人如何进行多轮对话？

文章摘要：多轮对话机器人可以面向不同行业，比如教育、电商、游戏和生产制造等。尤其是客服和企业内部协作中，将以前通过表单、人工等的服务使用自然语言对话的形式实现。应用场景比如智能客服、智能招聘面试、智能提交工单、智能提交请假、智能分析潜在客户意向等。那么，对话机器人如何进行多轮对话呢？

多轮对话机器人可以面向不同行业，比如教育、电商、游戏和生产制造等。尤其是客服和企业内部协作中，将以前通过表单、人工等的服务使用自然语言对话的形式实现。应用场景比如智能客服、智能招聘面试、智能提交工单、智能提交请假、智能分析潜在客户意向等。那么，对话机器人如何进行多轮对话呢？

在基础模块之上，再融合为一个多轮对话方案。目前，基础模块包括：1）以搜索引擎技术为主的知识库；2）以机器学习为主的意图识别；3）以脚本规则为主的对话脚本。具体如下：

知识库

通过设定问答对实现问答，对话用户的请求文本和问答对里的标准问或扩展问比较，计算相似度，当相似度高于阀值时，即认定该问答对的答案是对话用户需要的回复。

意图识别

通过为每个意图添加说法和槽位，训练机器学习模型。对话用户的文本被分析为某一个意图，如果识别了意图，则计算槽位信息，并且对于没有识别到的槽位进行追问。槽位可以绑定到某个词典，对话机器人平台提供自定义词典和系统词典。自定义词典包括词汇表词典和正则表达式词典，词汇表词典主要用于处理业务上的关键字段、同义词和专有名词；正则表达式词典则用于识别手机号、身份证号、订单号、邮箱等一些具有规则的信息。系统词典是用机器学习训练的命名实体提取判定的信息，比如人名、地名、组织机构和时间等。

脚本对话

脚本对话是通过书写多轮对话脚本语法建立的规则组合实现问答。对话脚本将对话分为匹配器，即和对话用户的输入进行比较的规则；回复，匹配规则后的回复内容，支持文本和函数；上下轮钩子，将规则与规则进行关联。对话脚本中的函数，使用 JavaScript 方式低代码编程，内置函数库，即方便了系统集成，同时也提供大量自然语言处理帮助函数，不需要掌握自然语言处理 NLP 的知识，开发者可以专注的实现业务逻辑。

在脚本匹配器语法和函数中，融合知识库和意图识别，所以，脚本对话是多轮对话的中心，围绕脚本实现不同问答技术的融合。所以，很多时候，文档和产品中，也用【多轮对话】表述脚本对话，就是这个原因。

以上就是对话机器人是如何实现多轮对话的解决方案了。

文章为沃丰科技原创，转载需注明来源：https://www.udesk.cn/ucm/faq/20317