聊天机器人-NLG模块

2019-10-16 本文已影响0人魏鹏飞

自然语言生成部件的主要目的是根据系统的相应类型，生成自然语言回答。

一般来说这部分主要是套模板。

NLG模块的输入是DPL模块输出的系统动作 $a_n$ ，输出是系统对用户输入 $X_n$ 的回复 $Y_n$ 。

目前，NLG模块仍广泛采用传统的基于规则的方法，如下图定义。根据规则可以将各个系统动作映射成自然语言表达。

系统动作	系统回复
Ask Date()	“请告诉我查询的时间”
Ask Location()	“请告诉我查询的地点”
Answer(date=$date,location=$location,content=$weather)	“$data, $location 的天气，$weather”

为了实现回复的多样性，各种基于深度神经网络的模型方法被提出并得到发展。一些使用如seq2seq模型等等产生的NLG方法。这些方法的出现一来是为了提高系统的鲁棒性，另一方面是希望系统说话更接近人类说话方式，最终提高用户体验。

参考文献