电话机器人中，dm控制模块承担对全部语音通话全过程开展跟踪。获得nlu的n-best鉴别結果后，开展对话状态追踪（dst），鉴别出客户表述的user goal及其当今所在的状态，由此决策（policy）该回到什么回应句子。其键入为nlu给予的n-best結果，即特殊do ** in下的好几个intent及其各intent下的槽位遍布。intent和slot一同体现了客户的总体目标，dm bot依据当今把握到的信息内容决策对话怎样开展下来。因而，dm bot事实上是一个追踪与决策的全过程，追踪指根据在历史上的全部信息内容动态性调节user goal，决策指根据当今追踪获得的user goal决策设备与客户怎样互动。

对话状态追踪（DST）

DST立即解决nlu键入的n-best結果，导出为当今的对话状态（dialog state），可类似了解为user goal。对话状态通常由两部份构成，即communicative function 和 slot-value pairs，在其中 communicative function 表明 query 的种类（如：阐述要求，了解特性，否认，挑选疑惑，INFORM这些）而每一个 slot-value pair 则表述一个限定标准（constraint），也可了解为客户总体目标的一个构成模块。相匹配到nlu結果，可类似了解为intent相匹配communicative function，slot对应slot-value pair（严苛而言那么投射不是的）。

电话机器人的DST是什么模样的呢？能不能与传统的的每日任务机器人公共呢？下边根据上文的事例、以每日任务机器人的方法来简易表现DST全过程，大家会见到电话机器人DST与每日任务机器人DST的区别。

在上面的事例中，nlu给的結果与DST的相匹配全过程如下所示：

可以看得出以下几个方面：

nlu得出的n-best結果中，DST通常会挑选一个实行（如挑选了ask_telphone，丢掉了praise）同样的槽位的槽值很有可能会多次发生遮盖（如info槽位）一部分槽位信息内容具备高效性（如degree槽位）

上边的事例是运用每日任务机器人的DST视角剖析电话机器人的情景，是否觉得略微有些怪怪的呢？如为何一个槽位的值会不断转变，为何槽位的值会发生不可以承继的状况，为什么有的仅有用意沒有槽位？实际上，这也恰好是电话机器人与每日任务机器人的区别。

在前面的内容中大家提起过电话机器人关键可分成要求网络嗅探类、数据采集类与消息通知类。要求网络嗅探类的与每日任务型机器人较像，但也只是是类似罢了。实际上，电话机器人偏重于数据流分析的方式，內部的每日任务具备步骤性、残片性、高效性的特性，而每日任务机器人偏重于总体的方式，內部的子每日任务具备比较大的关联性。假如把电话机器人的各泛娱乐化步骤拆卸成子每日任务，则电话机器人更好像好几个独轮每日任务型机器人的 ** 。因而，DST的关键差别如下所示：

电话机器人的DST可以重复使用每日任务机器人的DST，但必须留意槽值的高效性（有一些槽位在项目生命周期中合理，有一些槽位仅有独轮合理）与槽位界定的非关联性（步骤中间的槽位更好不要界定成同名）电话机器人更好像好几个独轮每日任务机器人的 ** ，DST全过程相较每日任务机器人简易一些电话机器人容许客户散发性的提出问题，必须适用特殊的faq种类，因而许多intent是无槽位的，减弱了intent与slot的界限

事实上，当今电话机器人的DST全过程比每日任务机器人简易一些，关键以模型成马尔可夫过程为主导，即只保存前一轮的状态做为迁移的起止连接点，只关心前一轮的合理槽位。自然，也存有根据NBT等实体模型的DST完成，但实体模型运用遭受了情景与开发设计速率的限定。

2 对话决策

接到DST的导出后，即觉得早已确立了dialog state，由此做决策（policy），产生最后导出的对话个人行为（dialog act），即告知机器人应当怎样做（如反问到客户问题，回应客户提出问题等）。policy，是依据上边讲解的相信状态来决策的全过程，对话对策的导出是一个系统软件姿势，也是一个由 communicative function 和 slot-value pairs 构成的词义表明，表明系统软件要实行的姿势的种类和实际操作主要参数。“每一次决策的总体目标并不是当今姿势的对错，反而是当今姿势的挑选会使将来盈利的预估（expected long-term reward）利润更大化”。

每日任务型机器人与闲谈型机器人的policy大多数运用标准或增强学习完成。标准即界定了状态及其该状态下应采用的个人行为，实质上是维护保养一张状态-个人行为>投射表；增强学习即根据将来盈利利润更大化挑选姿势（实际基本原理请参照技术专业的实例教程），那麼在电话机器人中呢？

前文提及了电话机器人的特性与DST通常采用的计划方案。在每日任务偏独轮与多样化的情景下，标准是非常简单合理的，关键因素如下所示：

电话机器人的主动权通常在设备手上，客户只必须相互配合回应就行，限定了客户充分发挥的室内空间每日任务偏泛娱乐化、独轮话，每日任务间联系水平算不上高，造成reward无法设置faq的引进在一定水平上填补了客户随便充分发挥的概率

自然，并不是说增强学习不适宜于电话机器人。在业务流程网络嗅探类等各步骤间持续密切的日常任务中，增强学习或是可以充分发挥极大的功效的。（如在推销产品情景下，如何推销取得成功就是较确立的每日任务，采用哪种对策即必须增强学习方式科学研究）

4 总结

当今工业领域为了更好地追求完美速率，电话机器人的对话管理方法与互动控制模块通常设计方案的非常简单，乃至是一个全过程的可配备系统软件，商品只必须依照规定配备关键节点就可以构建一个较完善的电话机器人。因而，DST大多数选用马尔可夫过程，policy也通常是明确的状态-个人行为>投射表，扩展性是非常好的，可是实际效果要受到非常大影响。如何把NBT等DST方式和增强学习等policy方式更强的加入到电话机器人这类步骤型体系中，是一个非常值得科学研究的问题