对话机器人中处理闲聊的可信、负责且可解释系统

多数情况下，聊天机器人被构建用于实现搜索引擎或人类助手的用途：其主要目标是向用户提供信息或帮助他们完成任务。然而，这些聊天机器人无法回应诸如“嗨，最近咋样”、“你最喜欢的食物是什么”之类的非脚本查询。人工评估判断显示，4 个人对一条来自聊天领域的给定查询的意图达成共识的时间仅占 77%，从而明显表明该任务是何等非平凡。在我们的工作中，我们展示了为何难以将闲聊空间拆分为明确定义的意图。我们提出了一种在聊天机器人中处理该任务的系统，同时考虑了可扩展性、可解释性、恰当性、可信性、相关性与覆盖率。我们的工作引入了用于闲聊中查询理解的分层意图流水线，以及一种在专业机器人中使用 seq-seq 自生成模型的方法。我们探索了一种用于聊天领域检测的可解释模型，并展示了如何将成人/攻击性分类、语法/正则模式、基于策展人格的回复、通用引导式规避回复与回复生成模型等组件以可扩展方式组合以解决此问题。