论文学习笔记：Building Task-Oriented Dialogue Systems for Online Shopping

首先，该篇论文是北航与微软小冰团队合作的，该对话系统旨在帮助网购用户完成各种与购物相关的任务，为用户推荐更多相关产品和产品信息，同时还支持闲聊。

对话系统一般能分为两类：

1、聊天型系统旨在与用户进行交谈，并提供有趣的，与上下文相关的合理回复。

2、任务型系统旨在帮助用户完成特定任务目标（例如找餐厅）。

本文设计的是任务型对话系统，该系统由4部分组成：DS={QU,ST,DM,PKB}

QU：查询语句理解。旨在理解用户意图（推荐，比较，询问意见，QA），识别产品类别和产品属性<n,v>

ST：对话状态追踪

DM：对话管理，根据对话状态选择合适的行为。

PKB：产品知识库,包含一系列的产品三元组<p,n,v>. p:产品名（例如，华为P9），n:产品属性名（例如，屏幕尺寸），v:产品属性值（例如，5.2英寸）。

一、数据源

1、产品知识库，包括结构化产品信息，由电商方提供。

2、搜索日志，与产品，自然语言查询和用户选择(鼠标点击)行为紧密相关。

3、社区网站，用户以自然语言发布意图，可用于挖掘与购物相关的意图和产品相关的释义。

二、查询语句理解

给定一句谈话Qt，自然语言理解模块产生一个表示Mt=<I,C,A>。

I代表用户的意图，其决定DM应该执行什么行为（例如，推荐或QA）

C代表Qt中谈及的产品类别，它能决定DM应该对什么产品产生行为。

A代表从Qt中抽取出的产品属性，包括<n,v>

查询语句理解包括三个步骤：

1、用户意图识别：

      1.1用户意图检测

           作者选择四类出现最频繁的意图作为本文意图检测模块要检测的意图：