《移動(dòng)端智能交互多輪對(duì)話流程的設(shè)計(jì)規(guī)范》

35.240.99

L70

CET/CESXXXXXXX

-

團(tuán)體標(biāo)準(zhǔn)

T/CESXXX-XXXX

移動(dòng)端智能交互多輪對(duì)話流程的設(shè)計(jì)規(guī)范

Designspecificationforintelligentinteractivemultirounddialogueprocess

ofmobileterminal

（征求意見稿）

移動(dòng)端智能交互多輪對(duì)話流程規(guī)范

Mobileterminalintelligentinteractivemulti-rounddialogueprocessspecification

XXXX-XX-XX發(fā)布XXXX-XX-XX實(shí)施

Ⅱ

T/CESXXXXXXX

-

1范圍

本標(biāo)準(zhǔn)規(guī)定了移動(dòng)端智能交互多輪對(duì)話的處理流程和設(shè)計(jì)規(guī)范。

本標(biāo)準(zhǔn)適用于設(shè)計(jì)、開發(fā)移動(dòng)端智能交互多輪對(duì)話組件的相關(guān)人員。

2規(guī)范性引用文件

下列文件對(duì)于本文件的應(yīng)用是必不可少的。凡是注日期的引用文件，僅注日期的版本適

用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。

GB/T5271.34-2006信息技術(shù)詞匯第34部分：人工智能神經(jīng)網(wǎng)絡(luò)

GB/T5271.28—2001信息技術(shù)詞匯第28部分人工智能基本概念與專家系統(tǒng)

GB/T5271.31-2006人工智能機(jī)器學(xué)習(xí)

GB/T21023中文語音識(shí)別系統(tǒng)通用技術(shù)規(guī)范

GB/T36464（所有部分）信息技術(shù)智能語音交互系統(tǒng)

3術(shù)語和定義

下列術(shù)語和定義適用于本文件。

3.1

詞法分析lexicalAnalysis

找出詞匯的各個(gè)詞素，從中獲得語言學(xué)的信息，主要任務(wù)是詞性標(biāo)注和詞義標(biāo)注。

3.2

句法分析Parsing

發(fā)現(xiàn)句子內(nèi)部結(jié)構(gòu)的方法，顯式地發(fā)現(xiàn)句子中可能存在的各種謂詞-論元的依存關(guān)系。

3.3

語義分析SemanticParsing

1

T/CESXXXXXXX

-

句子或文本中識(shí)別出意義塊（meaningchunk），確定語言所表達(dá)的真正含義或概念，

并嘗試將其轉(zhuǎn)換為某種數(shù)據(jù)結(jié)構(gòu)的過程（將自然文本映射成計(jì)算機(jī)可處理的結(jié)構(gòu)化表示），

包括深層語義分析（deepsemanticparsing)與淺層語義分析（shallowsemanticparsing），后

者常用方法是語義角色標(biāo)注（semanticrolelabeling）。

3.4

分詞WordSegmentation

指對(duì)字符序列進(jìn)行分塊處理的過程，其輸出結(jié)果由分開的有意義的詞元組成，是文本分

析的基礎(chǔ)性步驟。

3.5

意圖Intention

是從承諾實(shí)現(xiàn)的愿望中選取的當(dāng)前最需要完成或者最適合完成的一個(gè)，是當(dāng)前主體

（agent）將要正在實(shí)現(xiàn)的目標(biāo)，它是屬于思維狀態(tài)的意向方向。當(dāng)前意圖對(duì)主體（agent）

得到當(dāng)前動(dòng)作具有指導(dǎo)性的作用。

3.6

槽值Slot

指智能交互系統(tǒng)的記憶。它們以key-value的形式存儲(chǔ)，可用于存儲(chǔ)用戶提供的信息以

及收集到的關(guān)于外部世界的信息。大多數(shù)時(shí)候，槽值會(huì)影響對(duì)話的進(jìn)展。不同的行為有不同

的槽值類型。

3.7

命名實(shí)體NamedEntity

1）狹義講，命名實(shí)體是唯一個(gè)體的專有名稱。狹義命名實(shí)體具備三個(gè)充要屬性。屬性

a.符號(hào)性：命名實(shí)體是一個(gè)區(qū)別性稱謂，具有代號(hào)性質(zhì)；命名實(shí)體并不排除蘊(yùn)含義，但蘊(yùn)

含義不是命名實(shí)體的必然屬性。屬性b．個(gè)體性：命名實(shí)體所指稱的事物不可向下分類，因

為類是對(duì)群體區(qū)分的結(jié)果（但任何事物都是一個(gè)過程，都是一個(gè)和合態(tài)，所以，既可以按階

段劃分，也可以分解成部分）。屬性c.唯一性：命名實(shí)體所指稱的事物是世上獨(dú)一無二的，

通常不以數(shù)量詞修飾；一旦飾以數(shù)量詞，命名實(shí)體便轉(zhuǎn)義了。

2）廣義講，除狹義命名實(shí)體之外，命名實(shí)體還包括對(duì)一類事物的非概念性稱謂。對(duì)一

類事物的命名可劃分為概念性命名和非概念性命名兩種方式。概念性命名是通過自然語義和

構(gòu)詞法來規(guī)定事物內(nèi)涵的，如：月門、拱橋；非概念性命名是通過不表明事物內(nèi)涵的飾詞（一

般充當(dāng)命名實(shí)體飾名）來指稱一類事物的，如：“丁達(dá)爾現(xiàn)象，一二次設(shè)備”。廣義命名實(shí)

體一般只具備符號(hào)性，不具備個(gè)體性和唯一性。

2

T/CESXXXXXXX

-

3.8

話術(shù)Words

用戶與智能設(shè)備對(duì)話的形式。

3.9

多輪對(duì)話Multi-turnDialogue

在一定時(shí)間和交互次數(shù)內(nèi)，智能交互系統(tǒng)每次發(fā)送內(nèi)容時(shí)，考慮對(duì)話的上下文，從上下

文情景中分析最合理的回答，準(zhǔn)確提供回復(fù)。

3.10

動(dòng)作Action

在識(shí)別到意圖后，系統(tǒng)根據(jù)用戶的意圖進(jìn)行的下一步操作。

3.11

自然語言理解NaturalLanguageUnderstanding，NLU

自然語言理解是所有支持機(jī)器理解文本內(nèi)容的方法模型或任務(wù)的總稱。其在文本信息處

理系統(tǒng)中扮演者非常重要的角色，是推薦、問答、搜索等系統(tǒng)的必備模塊。

3.12

自然語言生成NaturalLanguageGeneration，NLG

能夠根據(jù)一些關(guān)鍵信息及其在及其內(nèi)部的表達(dá)形式，經(jīng)過一個(gè)規(guī)劃過程，來自動(dòng)生成一

段高質(zhì)量的自然語言文本。

3.13

對(duì)話管理DialogManager，DM

根據(jù)用戶當(dāng)前的輸入，以及對(duì)話上下文，決定系統(tǒng)下一步最佳響應(yīng)。對(duì)于任務(wù)型DM，

其職責(zé)是通過一致性的對(duì)話交互，完成用戶的對(duì)話的對(duì)話目標(biāo)。

3.14

智能交互IintelligentInteraction

智能交互一般指智能語音交互。智能語音交互是基于語音輸入的新一代交互模式，通

過說話就可以得到反饋結(jié)果。

3.15

語音識(shí)別AutomaticSpeechRecognition，ASR

將人的語音轉(zhuǎn)換為機(jī)器可以識(shí)別并理解的文本或命令的過程。

3.16

模型Model

3

T/CESXXXXXXX

-

系統(tǒng)或其他事物及過程的抽象表示。

3.16

模版Template

是指在設(shè)計(jì)方案時(shí)的固定格式，是將一個(gè)事物的結(jié)構(gòu)規(guī)律予以固定化、標(biāo)準(zhǔn)化的成果，

它體現(xiàn)的是結(jié)構(gòu)形式的標(biāo)準(zhǔn)化

3.17

語音合成TextToSpeech，TTS

將文字轉(zhuǎn)換為聲音輸出的過程。

4移動(dòng)端智能交互多輪對(duì)話處理流程

智能交互多輪對(duì)話技術(shù)作為人工智能領(lǐng)域地核心技術(shù)，即將成為新的和諧人機(jī)交互方式。

作為新一代交互系統(tǒng)，智能交互也面臨很多難題。準(zhǔn)確理解的用戶的需求，并在用戶能忍受

地時(shí)間內(nèi)完成用戶的需求，使用戶滿意是智能交互的目標(biāo)。根據(jù)用戶輸入的表達(dá)，包括語義

表達(dá)和語義解析，做出滿足用戶期望的語義表達(dá)，滿足用戶需求。多輪對(duì)話中為了清晰明確

的理解用戶的意圖和需求，將對(duì)話建模過程中缺少的信息形成一個(gè)填槽值的過程，槽值（slot）

就是多輪對(duì)話對(duì)話當(dāng)中將初步用戶意圖轉(zhuǎn)化為明確用戶指令所需要補(bǔ)全的信息。一個(gè)槽值與

任務(wù)處理中所需要獲取的一種信息相對(duì)應(yīng)。槽值不應(yīng)當(dāng)是有順序的，缺什么槽值就向用戶詢

問什么信息。這些需要開發(fā)人員和設(shè)計(jì)人員自己設(shè)計(jì)。下圖為移動(dòng)端智能交互多輪對(duì)話處理

流程：

4

T/CESXXXXXXX

-

圖4.1移動(dòng)端智能交互多輪對(duì)話系統(tǒng)

下面對(duì)移動(dòng)端智能交互多輪對(duì)話系統(tǒng)模塊功能進(jìn)行詳細(xì)闡述：

4.1語音識(shí)別模塊

該模塊的主要任務(wù)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如二進(jìn)制

編碼或字符序列。語音識(shí)別技術(shù)就是讓機(jī)器通過識(shí)別和理解把語音轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令

的技術(shù)。該技術(shù)主要包括：特征提取技術(shù)、模式匹配技術(shù)、模型訓(xùn)練技術(shù)。

4.2自然語言理解模塊

自然語言理解的目的是將用戶的輸入映射到預(yù)先根據(jù)不同場(chǎng)景定義的語義槽中，通常包

括意圖識(shí)別和槽位填充兩個(gè)任務(wù)。自然語言理解應(yīng)盡可能完整、清晰和準(zhǔn)確地將用戶輸入轉(zhuǎn)

化為計(jì)算機(jī)能夠理解地形式，NLU模塊地準(zhǔn)確性對(duì)對(duì)話系統(tǒng)地質(zhì)量有很大地影響。

4.3對(duì)話管理模塊

對(duì)話管理（DialogManagement，DM）控制這人機(jī)對(duì)話的過程，DM根據(jù)對(duì)話歷史信息，

決定此刻對(duì)用戶的反應(yīng)。最常見的應(yīng)用還是任務(wù)驅(qū)動(dòng)的多輪對(duì)話，用戶帶著明確的目的如訂

用車、訂票等，用戶需求比較復(fù)雜，有很多限制條件，可能需要分多輪進(jìn)行陳述，一方面，

用戶在對(duì)話過程中可以不斷修改或完善自己的需求，另一方面，當(dāng)用戶的陳述的需求不夠具

體或明確的時(shí)候，機(jī)器也可以通過詢問、澄清或確認(rèn)來幫助用戶找到滿意的結(jié)果。

對(duì)話管理模塊主要任務(wù)是對(duì)話狀態(tài)維護(hù)（DialogStateTracking，DST），對(duì)話狀態(tài)記錄了

當(dāng)前填充的槽植（Slot），即將執(zhí)行的動(dòng)作（Action）以及即將填充的槽植（Slot）。用數(shù)學(xué)

形式表達(dá)為，t+1時(shí)刻的對(duì)話狀態(tài)S(t+1)，依賴于之前時(shí)刻t的狀態(tài)St，和之前時(shí)刻的t的系

統(tǒng)行為At，以及當(dāng)前時(shí)刻t+1對(duì)應(yīng)的用戶行為O(t+1)。可以寫成S(t+1)←St+At+O(t+1)。

4.4知識(shí)管理模塊

知識(shí)管理作為一個(gè)接口，為智能交互多輪對(duì)話提供一個(gè)知識(shí)查詢功能，其主要有行業(yè)知

識(shí)庫(kù)和對(duì)話知識(shí)庫(kù)，其中行業(yè)知識(shí)庫(kù)中存儲(chǔ)大量本行業(yè)的相關(guān)知識(shí)，供用戶查詢；對(duì)話知識(shí)

庫(kù)作為一個(gè)存儲(chǔ)用戶需求的模塊，可將其作為語料庫(kù)，為模型的泛化，改善系統(tǒng)的交互能力

提供支撐。

4.5自然語言生成模塊

自然語言生成模塊的主要任務(wù)是將DM模塊輸出的抽象表達(dá)轉(zhuǎn)化為句法合法、語義準(zhǔn)確

的自然語言句子。一個(gè)好的應(yīng)答語句應(yīng)該具有上下文的連貫性、回復(fù)內(nèi)容的精準(zhǔn)性、可讀性

和多樣性。

4.6語音合成模塊

語音合成是將智能交互系統(tǒng)產(chǎn)生的文字信息轉(zhuǎn)變?yōu)槿祟惵牭枚?、流利的口語進(jìn)行輸出

的技術(shù)。

5

T/CESXXXXXXX

-

5智能交互多輪對(duì)話流程規(guī)范

5.1話術(shù)設(shè)計(jì)規(guī)范

在與智能設(shè)備交互過程中，用戶通常使用比較固定的句式，當(dāng)在話術(shù)設(shè)計(jì)時(shí)，從中可以

發(fā)現(xiàn)一些規(guī)則，避免走入不必要的對(duì)話路徑，從而導(dǎo)致用戶挫敗感或者對(duì)交互不滿意。

話術(shù)設(shè)計(jì)要求包括：

（1）準(zhǔn)確：表述要避免籠統(tǒng)模糊，沒有歧義。

表1話術(shù)設(shè)計(jì)準(zhǔn)確要求樣例

NotRecommendedRecommended

"你可以這樣說："你可以這樣說：

1.【日程查詢】'查詢所有日程'1.【日程查詢】'查詢所有日程'

系統(tǒng)

2【.日程查詢】'請(qǐng)輸入關(guān)鍵詞，如：2.【日程查詢】'請(qǐng)輸入關(guān)鍵詞’

周例會(huì)'"

用戶請(qǐng)輸入關(guān)鍵詞周例會(huì)

系統(tǒng)進(jìn)入下一題請(qǐng)說“繼續(xù)”說“繼續(xù)”進(jìn)入下一題

用戶繼續(xù)進(jìn)入下一題繼續(xù)

（2）簡(jiǎn)潔：表述要簡(jiǎn)單明了，避免信息量過大，一次提供選項(xiàng)不超過3個(gè)。

表2話術(shù)設(shè)計(jì)簡(jiǎn)潔要求樣例

NotRecommendedRecommended

歡迎使用AI助手，我為您提供了現(xiàn)場(chǎng)違章行為

歡迎使用AI助手，我為您提

檢測(cè)功能，可以檢查現(xiàn)場(chǎng)違章行為，并將違章

供了現(xiàn)場(chǎng)違章行為檢測(cè)功能，

行為上傳到違章數(shù)據(jù)集；拍攝變電站缺陷功

系統(tǒng)拍攝變電站缺陷功能，檢查變

能，檢查變電站缺陷，并上傳到缺陷數(shù)據(jù)集；

電站缺陷，語音筆記功能；拍

語音筆記功能，記錄開會(huì)語音等；拍攝輸電通

攝輸電通道隱患功能。

道隱患功能，并上傳到輸電隱患數(shù)據(jù)集。

用戶上傳到缺陷數(shù)據(jù)集拍攝輸電通道隱患

（3）意圖確認(rèn)：在不確定用戶意圖時(shí)進(jìn)行”意圖確認(rèn)“。

6

T/CESXXXXXXX

-

表3意圖確認(rèn)設(shè)計(jì)樣例

NotRecommendedRecommended

用戶現(xiàn)場(chǎng)違章行為現(xiàn)場(chǎng)違章行為

請(qǐng)問您是需要進(jìn)行現(xiàn)場(chǎng)違章

好的，正在為您進(jìn)行現(xiàn)場(chǎng)違章

系統(tǒng)行為拍攝還是詢問現(xiàn)場(chǎng)違章

行為拍攝

行為又能哪些？

用戶現(xiàn)場(chǎng)違章行為拍攝

好的，正在為您進(jìn)行現(xiàn)場(chǎng)違章

行為拍攝

（4）需求未滿足時(shí)，不輕易終結(jié)對(duì)話。

表4需求未滿足設(shè)計(jì)樣例

NotRecommendedRecommended

正在為您完成表單資料收集正在為您完成完成表單資料

系統(tǒng)

和提交收集和提交

用戶好的好的

已完成表單資料收集，工作事

已完成表單資料收集，工作事項(xiàng)標(biāo)題為：計(jì)量資產(chǎn)領(lǐng)料單。

系統(tǒng)

項(xiàng)標(biāo)題為：計(jì)量資產(chǎn)領(lǐng)料單。是否需要修改標(biāo)題？如需修

改，請(qǐng)對(duì)我說：XXX領(lǐng)料單

用戶......（我想修改表單名字）需要

（4）自然：措辭口語化，避免使用專業(yè)的、晦澀的語言；句式自然，使用對(duì)話標(biāo)記；統(tǒng)一

內(nèi)容提供多樣性表達(dá)。

（5）友好：主動(dòng)認(rèn)錯(cuò)，不責(zé)怪用戶

（6）人格化：適時(shí)幽默

5.2對(duì)話管理規(guī)范

即使你完美的設(shè)計(jì)了你的智能交互系統(tǒng)，用戶也會(huì)不可避免的對(duì)你的智能交互系統(tǒng)說一

些意料之外的話語。

（1）多輪對(duì)話的容錯(cuò)性

a.系統(tǒng)需要有相應(yīng)的機(jī)制來優(yōu)雅處理意圖識(shí)別失敗、用戶意外輸入這類問題。如：

7

T/CESXXXXXXX

-

當(dāng)前系統(tǒng)提供了查詢天氣，查詢?nèi)粘?，添加日程，查詢?lián)系人等相關(guān)業(yè)務(wù)支持，但不提

供找工作的能力，此刻可以針對(duì)這類問題進(jìn)行統(tǒng)一友好回復(fù)。

表5容錯(cuò)性設(shè)計(jì)樣例

NotRecommendedRecommended

"你可以這樣說："你可以這樣說：

1.【日程查詢】'查詢所1.【日程查詢】'查詢所

系統(tǒng)有日程'有日程'

2.【日程查詢】'請(qǐng)輸入2.【日程查詢】'請(qǐng)輸入

關(guān)鍵詞，如：周例會(huì)'"關(guān)鍵詞，如：周例會(huì)'"

用戶我想在Rasa申請(qǐng)一份工作我想在Rasa申請(qǐng)一份工作

我知道您在找工作，但恐怕我

系統(tǒng)......（不知道接下來怎么辦）

還不能掌握這項(xiàng)系統(tǒng)

b.系統(tǒng)需要對(duì)預(yù)測(cè)置信度較低的動(dòng)作進(jìn)行回滾，并對(duì)用戶進(jìn)行統(tǒng)一回復(fù)。

如：在設(shè)計(jì)智能交互系統(tǒng)時(shí)，設(shè)置可配置的動(dòng)作（Action）置信度閾值，當(dāng)用戶發(fā)送意

料之外的消息，這種行為可能會(huì)將他們引向未知的對(duì)話路徑，從而導(dǎo)致預(yù)測(cè)動(dòng)作置信度低于

設(shè)置閾值，此時(shí)需回退對(duì)話，并給用戶一個(gè)友好反饋，例如：”對(duì)不起，我不明白您的意思

“。

注：在統(tǒng)一回復(fù)中，大多數(shù)設(shè)計(jì)話術(shù)來自于真實(shí)對(duì)話場(chǎng)景里。

（2）消除歧義

對(duì)話是雙方共同的行為，雙方必須不斷地建立共同地基礎(chǔ)，也就是雙方都認(rèn)可地事物地

集合。共同基礎(chǔ)可以通過聽話人依靠或者確認(rèn)說話人地話斷來實(shí)現(xiàn)。確認(rèn)行為由弱到強(qiáng)地5

種方法有：持續(xù)關(guān)注（continuedattention）、相關(guān)鄰接貢獻(xiàn)（relevantnextcontribution）、確

認(rèn)（acknowledgement）、表明（demonstrate）、展示（display）為了讓智能交互系統(tǒng)有機(jī)會(huì)

了解用戶想要什么，您通常會(huì)希望它通過詢問澄清問題來試圖消除用戶信息的歧義。

Two-Stage回退是用來處理低NLU置信度在多個(gè)階段使用一下順序：

step1：用戶消息被低置信度分類

要求用戶確認(rèn)意圖

step2：用戶確認(rèn)或者拒絕意圖

如果用戶確認(rèn)了，對(duì)話繼續(xù)，不采取進(jìn)一步的fallback步驟

8

T/CESXXXXXXX

-

如果用戶拒絕了，要求用戶重新措辭消息

step3：用戶會(huì)重新表達(dá)他們的意圖

如果消息高置信度識(shí)別為意圖，對(duì)話繼續(xù)，就好像用戶一開始就有這個(gè)意圖

如果重新措辭的用戶消息仍然具有低置信度，則要求用戶確認(rèn)意圖

step4：用戶確認(rèn)或否認(rèn)改寫后的意圖

如果用戶確認(rèn)了，對(duì)話繼續(xù)，就好像用戶從一開始就有這個(gè)意圖

如果用戶拒絕了，則會(huì)觸發(fā)一個(gè)最終的備用操作（例如，將任務(wù)移交給人類）。默

認(rèn)的最終回退操作是調(diào)用action_default_fallback，此操作導(dǎo)致智能交互系統(tǒng)發(fā)出默認(rèn)響應(yīng)

（utter_default），并重置對(duì)話狀態(tài)。

5.3場(chǎng)景設(shè)計(jì)規(guī)范

（1）一個(gè)給予用戶的”愉悅路徑“，即可以用最簡(jiǎn)單的方式完成任務(wù)的路徑，不會(huì)過

于復(fù)雜。

（2）其他完成任務(wù)的路徑，能夠使用戶完成和”愉悅路徑“同樣的任務(wù)。這樣可能會(huì)

是多樣化的，因?yàn)橛械挠脩魰?huì)選擇一次只說一部分信息，二其他用戶可能會(huì)一次把信息全說

完。

（3）需要進(jìn)行進(jìn)行調(diào)整的對(duì)話場(chǎng)景，例如系統(tǒng)無法支持或不能理解用戶的請(qǐng)求。

（4）用戶中途退出，以及用戶完成任務(wù)后對(duì)話結(jié)束的場(chǎng)景。需要考慮到如何對(duì)話的結(jié)

束足夠明確。

（5）對(duì)用戶的問候語，以及引出對(duì)話操作的方式。

5.4必要的兜底回答和引導(dǎo)

在用戶需要幫助的時(shí)候提供必要的幫助說明和引導(dǎo)，其作用是讓用戶知道當(dāng)前對(duì)話進(jìn)入

兜底狀態(tài)，對(duì)用戶進(jìn)行安撫并讓用戶知道接下來怎么辦。有以下幾點(diǎn)原則：

（1）應(yīng)答要清晰明確

（2）意圖不明時(shí)要優(yōu)先確認(rèn)意圖，確認(rèn)無果在退出

表6兜底回答和引導(dǎo)設(shè)計(jì)樣例

NotRecommendedRecommended

“Hi，您好，我是小i，“Hi，您好，我是小i，您的隨身智能助手。

您的隨身智能助手。我我能為您提供日程管理、知識(shí)庫(kù)查詢、申請(qǐng)

系統(tǒng)能為您提供日程管理、用車、發(fā)起流程、位置導(dǎo)航、掃描實(shí)物二維

知識(shí)庫(kù)查詢、申請(qǐng)用車、碼查詢?cè)O(shè)備資料服務(wù)，快來試試吧!

發(fā)起流程、位置導(dǎo)航、您可以這樣對(duì)我說：1.【日程管理】“明天

9

T/CESXXXXXXX

-

掃描實(shí)物二維碼查詢?cè)O(shè)上午九點(diǎn)在19樓1會(huì)議室參加周例會(huì)”“日

備資料服務(wù)，快來試試程查詢”2.【知識(shí)庫(kù)查詢】“查詢下什么是