chatbot是最近一段时间十分火的一个词或者一个应用于，某种程度各大新闻媒体在热炒bot的概念，各大巨头也投放极大的资源展开研发，arxiv上刷出bot涉及的paper也堪称家常便饭。抹黑归抹黑，PR归PR，被迫说道一个失望的事实是市面上显然无法寻找一个确实好用的bot。bot按照牵涉到的领域，分成对外开放域(open-domain)和面向具体任务(task-oriented)的bot。

对外开放域要做到的事情相当大，更加看起来一个什么都能做的平台，不管你托什么样的市场需求，它都需要解决问题，有点trueAI的意思，而面向任务的bot则专心作好一件事情，订机票，订餐，筹办护照等等。　　说道到对外开放域bot，大家认识最少的也就是一些问十分无厘头的娱乐用bot，比如很多年前活跃在各大社交网站上的小黄鸡，现在市面上活跃着很多堪称掌控了bot技术，在用深度自学解决问题bot技术的bot公司，都是这种，解决不了什么实际问题，就是能和大家闲谈上两句，而且很多时候问都是牛头不对马嘴的，十分荒谬。

　　再说task-orientedbot，市面上最少的就是客服机器人，银行也好，电商也罢，想重复性地问用户的问题，就用一个客服机器人来应付，且不说效果如何，研发一个明确task的bot必须酬劳不少工夫，而且后期还要大量的确保，因为过于多的handcraftedfeatures被中用，整个bot的框架纵向扩展性相对来说较好，换一个场景基本上就必须新的研发一套，人力成本太高了。　　bot的理想十分甜美，大公司刻画的场景也显然很美，但现实的bot却拼命地倒入了一盆冷水下来。希望越高，沮丧越大。

如果媒体一味地讥讽bot，好像整个世界明天就不会是bot的了，对bot的发展并毋处，捧杀只不会带给气泡，裂痕之后，一切如初。　　功能强大的、对外开放域的bot在短期内是较为无以构建的，但是如果减少希望，将bot不应该做到是一种技术层面的革命，而应该做到交互层面的革新才是理性的态度，bot作为一种入口，有可能大家都仍然必须一个随身携带的终端，只必须寻找一个可以辨识身份，可以联网的硬件，比如一面镜子，就可以继续执行很多的task，订机票、卖东西等等等等。bot这个时候起着的是一个操作者的入口和背后继续执行各种有所不同task的黑箱，我们不必须看见整个继续执行过程，也不必须告诉原理是什么，通过一些非常简单的语言交互，就能已完成一些简单的task，终端要做到的事情就是对系统结果和接管输出，继续执行的过程都在云端，各种bot云。　　而这一切的关键是解决问题好task-orientedbot，用更好datadriven的解决方案来替换传统的人工features和templates。

　　问题叙述　　bot是一个综合性的问题，牵涉到到下面三个主要问题：　　1、responsegeneration(selection)　　对话分解是最后一个步骤，是输入的部分。非常简单总结下，有四种solutions：　　solution1必要根据context来分解对话，这方面最近的paper十分地多，特别是在是seq2seq+attention框架席卷了NLP的很多任务之后，对话分解的benchmark也一次又一次地被各种model创下着。

对话分解的问题，被定义为基于某个条件下的分解模型，典型的根据context来predictwords，牵涉到到句子分解的问题，评价问题就不会是一个较为无以的问题。　　solution2当然有的paper并不是将对话分解定义为语言模型问题，而是一个nextutteranceselection的问题，一个多中选一的问题，等价一个context，等价一个utterancecandidatelist，从list中自由选择一个作为response，当然这类问题的可玩性不会小很多，评价一起也非常容易，但是数据集打算一起要多花一些功夫，而且在实际应用于中很差被糅合。　　solution3rule-based或者说template-based，response的最后形式只不过是填满了一个模板而出的，大多数的东西是等价的，只有一些明确的value必须来填满。

这一类解决方案很合适做到task-orientedbot，但过多的人工features和templates造成了其无法重制到其他task上。　　solution4query-based或者说example-based，response是来自于一个叫作知识库的数据库，里面包括了大量的、非常丰富的example，根据用户的query，寻找最相似的example，将对应的response回到出来作为输入。

这一类解决方案非常适合做到娱乐、无厘头用的bot，核心技术在于去找更加多的数据来非常丰富知识库，来清除知识库。但却是respnose就是指别人那里拿出来的，可能会很无厘头，但大多数不会牛头不对马嘴。

　　2、dialogstatetracking(DST)　　有的paper称之为DST为belieftrackers，这个部件只不过是bot的核心，它的起到在于解读或者捕猎userintention或者goal，只有当你知道告诉用户必须什么，你才能作出准确的action或者response。关于这个部分，不会有DialogStateTrackingChallenge比赛。一般来说都会等价一个state的范围，通过context来predict用户归属于哪个state，有什么样的市场需求，是必须查找天气还是要查找火车票。

本文来源：澳门威斯尼斯wns888入口-www.tzssjj.com