结合搜索与结构化数据以在开放域对话中创造更具吸引力的用户体验

构建复杂的开放域对话代理所面临的最大挑战，直接源于持续进行的混合主动多轮对话的潜力，这类对话不遵循特定计划，也不追求特定的固定信息需求。为了在此情境下做出连贯的对话贡献，对话代理必须能够跟踪对话中讨论的实体的类型和属性，并了解它们之间的关联。在某些情况下，代理可以依赖结构化信息源来帮助识别相关的语义关系并生成对话轮次，但在其他情况下，唯一可用的内容来自搜索，并且可能不清楚搜索结果与话语上下文之间存在哪些语义关系。进一步的约束是，系统必须实时地为正在进行的对话做出贡献。本文描述了我们为2017年Alexa Prize构建SlugBot的经验，并讨论了如何利用来自不同来源的搜索和结构化数据，帮助SlugBot生成对话轮次并进行对话，其在半决赛用户评估期间的平均对话时长为8分17秒。