趁chatgpt還有一些熱度，今天復(fù)習(xí)一下意圖的演變。

在過去中，nlp快速發(fā)展的幾年中，Intents 隨著業(yè)務(wù)落地，不同行業(yè)對意圖的理解也有所變化。

意圖是對話系統(tǒng)中，一個重之重的一個環(huán)節(jié)，每個行業(yè)中對意圖理解的重視也有道理的。在任何對話的開始階段，意圖起著關(guān)鍵的分類作用，幫助聊天機器人了解用戶想要什么，并作出響應(yīng)。

當(dāng)前很多對話系統(tǒng)中，由于意圖太過僵化，因此需要尋找一些解決方案。有兩種方法可以解決這個問題。第一種方法意圖棄用：是將意圖變得更加靈活，不再和特定的實體和對話流相關(guān)聯(lián)，而是讓意圖更容易與用戶交互。第二種方法是意圖增強：通過使用機器學(xué)習(xí)和其他技術(shù)來提高意圖的準確度和可用性，使其更精確和強大。兩種方法都都是為了讓意圖更加靈活和準確，以更好地服務(wù)于用戶。

• 意圖放棄
• 是指在意圖檢測過程中，刪除不再使用或者不再有意義的意圖。這樣做的目的是提高意圖檢測的準確度，減少無用的干擾，使虛擬助手更好地理解用戶的需求。
• 意圖增強
• 是指在意圖檢測過程中，為原有的意圖添加新的信息或者關(guān)聯(lián)關(guān)系，以使虛擬助手更好地理解用戶話語的意圖。例如，可以為“訂購干炒牛河”這個意圖添加“配料”、“辣度”等實體信息，以便更準確地捕捉用戶的需求。

棄用意圖的活動是：

1. Microsoft Power Virtual Agents：微軟提供的虛擬助手服務(wù)，可以幫助用戶通過自然語言與機器人進行交互，并根據(jù)用戶話語的意圖做出相應(yīng)的回復(fù)。
2. IBM Watson Action Skills：IBM提供的技能服務(wù)，可以幫助用戶與智能設(shè)備進行交互，實現(xiàn)更多的操作。
3. Alexa Conversations：亞馬遜提供的對話服務(wù)，可以幫助用戶與智能設(shè)備進行交互，并根據(jù)用戶話語的意圖做出相應(yīng)的回復(fù)。
4. Rasa End-To-End Training：Rasa提供的端到端訓(xùn)練服務(wù)，可以幫助用戶訓(xùn)練機器人模型，使其更好地理解用戶話語的意圖。

這個概念受到了限制，并沒有得到廣泛的實施，絕對不是我因為的智能對話的趨勢。相反，我嘗試講將功能建立在意圖之上。將復(fù)雜性和對話管理轉(zhuǎn)移到其他領(lǐng)域，例如對話狀態(tài)管理，并將其納入意圖之中。

以下是用于增強意圖的一些個人經(jīng)驗。

意圖增強

NLU 的意圖部分實際上是一個意圖名稱的列表，每個意圖用一個名稱和一個定義該意圖的話語字典表示(請不要把以為是關(guān)鍵字或關(guān)鍵詞列表)。

因此，將結(jié)構(gòu)構(gòu)建到意圖中，并模糊意圖和其他聊天機器人組件之間的界限。意圖是指聊天機器人的操作，例如提供信息或執(zhí)行特定的操作。將結(jié)構(gòu)構(gòu)建到意圖中，可以幫助聊天機器人更好地理解用戶的意圖，并且模糊界限可以使聊天機器人的操作更加流暢。

我嘗試過以下方式增強意圖：

• 意圖與特定實體相關(guān)聯(lián)。
• 意圖與對話流的特定部分相關(guān)聯(lián)。
• 可以為意圖設(shè)置權(quán)重：根據(jù)業(yè)務(wù)需求，可將不同意圖設(shè)置不一樣的權(quán)重。
• 意圖可以打開和關(guān)閉。
• 快速回復(fù)可以與意圖相關(guān)聯(lián)。單輪對話位于意圖內(nèi)。
• 意圖可以拖放、拆分、合并。
• 意圖是分層的，嵌套等。
• 主題的概念，表示一個或多個意圖，實體和流的集合。
• 可以上傳數(shù)據(jù)用于意圖檢測，新的話語會自動與現(xiàn)有意圖相關(guān)聯(lián),為新意圖形成聚類。
• 可以為意圖設(shè)定閾值：根據(jù)業(yè)務(wù)需求，可將不同意圖設(shè)置不一樣的閾值。
• 如果未達到閾值，可以在意圖內(nèi)設(shè)置確認請求。
• 意圖用于自動消歧菜單。
• 存在導(dǎo)入話語和測試意圖的結(jié)構(gòu)，以了解用戶所說的內(nèi)容。

（系統(tǒng)包括：Cognigy，Kore AI，IBM Watson Assistant，Oracle Digital Assistant，Nuance Mix，AWS Lex V2，Rasa，HumanFirst）

通常，語音助手由一個或多個技能組成。這些技能又由對話狀態(tài)管理系統(tǒng)和NLU組成。對話狀態(tài)管理又由基于條件管理對話狀態(tài)和保存機器人回復(fù)兩部分組成。

意圖和實體構(gòu)成了NLU。意圖可以看作動詞，實體可以看作名詞。這些部分共同作用，幫助虛擬助手理解用戶的話語，并根據(jù)意圖和實體的不同組合做出相應(yīng)的回復(fù)?！?/p>