百度UNIT技术负责人揭秘：如何让你的对话系统更智能

消息，百度开发者中心日前在中关村举行技术沙龙，面向第三方开发者，介绍了其远场语音技术、UNIT 技术、商业应用于案例以及百度 AI 开放平台的终端方法，分享者皆来自百度开发者中心各项技术的负责人。就其中重点的 UNTI 技术做到了辨别。共享 UNIT 核心技术的，是百度解读与交互技术平台(Understanding and Interaction Technology， UNIT)的技术负责人孙珂，他侧重介绍了百度在解读与交互方面所做到的工作，同时也讲解了背后的核心技术。

要清晰什么是 UNIT 技术，再行看对话系统最简单的组成部分。首先，当用户通过语音讲出一条市场需求后，首先要经过 ASR 展开语音辨识，并转成文字，之后不会转入语言解读(NLU)的部分，将文字中蕴藏的”意图”和”词槽”萃取出来，并通过对话状态管理(DST)将其与历史的对话状态展开统合；此后计算机必须根据当前的对话状态，通过动作候选排序(POLICY)从后台用户配备的多个系统动作中，自由选择一个最合乎当前状态的。

获得应当继续执行的动作后，对话系统不会再行通过语言分解(NLG)和语音合成(TTS)，与用户作出对话。而在语言解读地部分，孙珂更进一步说明道，要精准地让机器解读，重点是做到“意图”和其中的”词槽”。通俗的来讲，要想要解读一句话，光是看懂每个字是过于的，必须解读它背后所蕴藏的市场需求和指令并将其切换为计算机需要辨识的表达形式，这就是语言解读(NLU)。

以“今晚六点老大我在全聚德购票一个包间，十个人”这句话为事例，UNIT的NLU模型可以分析出来，其意图是要预计餐馆。同时其中还包括一些关键的条件信息，如餐厅是全聚德，时间是6点，这些叫作词槽。

除了语言解读之外，要想要打造出一个更为完备的对话系统，交互能力也是不能提供的。孙珂讲解了UNIT获取的两种交互能力：回应与引荐。所谓回应所指的是，当用户的市场需求中缺少一些必要条件时，必须对话系统主动提问，把必要条件全部赢取之后再行去做到最后的符合继续执行。

而所谓引荐所指的是，当用户订立了餐厅后，机器还不应老大他引荐微信的服务，例如把“您还必须叫车吗”这样的市场需求，主动引领出来，已完成场景的关联。UNIT 除了面向准确意图与词槽解析的对话能力之外，还获取了面向解说给定的对话能力，可以符合对用户获取的解说资源展开必要给定检索的市场需求。

当然，对于一个原始的对话系统而言，解说给定也某种程度是解读，也必须有交互能力的因应。例如，在智能客服的场景中，用户明确提出的第一个问题有可能并不准确。

他有可能一开始只不会说道想要贷款，这个时候，对话系统是不有可能将所有贷款涉及的问题都对系统给用户去做到自由选择的，而是应当像电话客服一样，一层一层了解地将用户引领至他最想理解的部分。两种对话解读的能力，和与之设施的交互能力，包含了整个 UNIT 对话理解能力的全貌。对开发者而言，更加关心的有可能是 UNIT 的整体框架。

孙柯讲解道，UNIT 整体框架还包括两个主要模块，一个是自学模块，一个是在线服务模块。其中，自学模块还包括有较慢生效、持续优化、预置能力、对话逻辑四种能力。

从流程上来讲，开发者从自学模块开始，必须定义自己的场景、词槽等，并获取一定量训练样本等，并最后通过这个模块自学出有自己的对话模型。对话模型自学好之后，可以启动时到在线服务模块中。在这里，在线服务模块不会整体解读用户的当前市场需求与历史状态，已完成意图和词槽的解析工作，并通过后继的对话状态管理和候选动作自由选择模块已完成对话动作的自由选择。

最后得出结论的动作可以被开发者在本地用作已完成函数的继续执行和资源的统合，并最后生产出对用户的对此。明确到这背后的核心技术，孙珂首先介绍了多引擎驱动的 QUERY 解读与给定技术，它需要让机器较慢取得解读与给定能力，并且持续优化。孙珂说明说道，目前UNIT获取的系统词槽辨识能力有20多种，与之配上的是词槽灵活性的装配能力。

举例而言，系统获取了一个辨识“明星”的词槽，开发者有一个很讨厌的明星，但是机器不了解，这种情况下可以把名字作为词典或规则，与系统词槽展开人组并整体已完成辨识输入。此外，UNIT平台还预置有十余个对话场景，如天气、商超、地图、店内等，预计近期不会对外开放给第三方用于。此外，UNIT还获取了基于海量用户数据的训练数据的拓展能力，并在其中统合了主动自学的能力，协助开发者更为较慢、准确的优化自己的解读模型。

基于一个传统的双向 GRNN 和 CRF 的意图辨识网络，UNIT 更进一步强化了对科学知识的统合能力。比如对于“北京明天大雨吗”这样的一条 QUERY，UNIT 不会在词输出的基础上，将其更进一步转化成为科学知识，并带入到系统之中。目前，融合了科学知识的解读模型可以协助开发者用较少的语料获得更佳的解读模型，减低开发者的数据标示成本。

什么是零门槛的训练师模式？开发者自定义一个任务机器人，用来与用户展开交流。但是UNIT在这其中，减少了号召用户对系统的逻辑，希望让对话显得更为流畅，让用户更加精彩的缺失任务机器人的错误，已完成所求。同时也已完成了对错误的自学，缺失一次，再也不会罪某种程度的错误。

(公众号：)了解到，UNIT 在对话流管理方面，也获取了大量的自定义化功能。例如，对话单元与对话单元之间，对话单元与解说单元之间，都可以通过自定义规则展开串联与引领。同时，UNIT 的对话管理也可以很精彩的已完成意图转换、意图回应、词槽转换、词槽回应等对话功能。

所有的对话流程管理，都被辨别为交会规则，用户可以针对当前或历史对话、意图词槽去已完成不存在、包括、相等等对话函数调用规则的自定义。孙珂最后说道：如果希望对话系统的效果超过预期中的智能程度，我们必须冷静的用于 UNIT 平台去一点点抛光自己对话系统的效果。通过 UNIT 获取的众多优化手段，开发者可以有选择地人组用于，通过获取适当的适当的数据，来已完成解读效果从较慢生效到持续优化并最后构建异化的突破。

原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：云开平台app官方-www.ntdlhhh.com