ibm-watson - 在对话/对话中处理“话语”的最佳实践？

Question

我们希望聊天机器人能够像人类一样回答问题并给出正确的答案。人类的正常对话有很多“话语”，这意味着对话中可能会有一些废话、情感和停顿。当人们与聊天机器人交谈时，他/她可以在期待 Watson 回复之前再输入（提交）单词/半句，因为他/她自然希望继续输入，直到一个完整且有意义的问题可以从沃森; 他/她也可以在结束问题之前暂停多次……当训练 Watson 对话/对话时，解决此类情况的设计最佳实践是什么？

Answer 1

对此没有一个简单的答案。关于如何最好地处理这个问题的整个研究领域称为对话分析（CA）。

人类的正常对话有很多“话语”，这意味着对话中可能会有一些废话、情感和停顿。

对此的一些方法：

1. 查看与实际客户的真实对话。假设这是在增加实时对话。通常，员工会优化对话流程。您还可以看到人们可能会在哪里偏离脚本，以及在什么时候。

2. 对于废话/离题，您承认主题而不是他们在说什么的问题（如果可能的话）。但你也将他们推回到对话的实际当前部分。如果它们继续存在，您应该在一段时间后停止尝试适应它们。

3. 检测情绪对于您如何为最终用户塑造以后的信息至关重要。您可以使用音调分析器来捕捉它。

4. 可能会发生停顿。如果它在对话流中，那么您可以让您的应用程序响应以查看它们是否仍然存在，或者提供他们可以要求进行的建议。否则，只需假设该人不在那里并等待他们。

除此之外，不要假设人们会在对话中做任何事情。构建完对话应用程序后，将其放在最终用户面前，看看他们的反应。

确保它是系统的实际最终用户。也尽量不要偏向测试。告诉他们对话有什么帮助，而且仅此而已。不要告诉他们他们可以输入任何东西，否则他们会。

让最终用户进行测试后，请查看他们的对话。你会发现他们对现实世界对话的反应略有不同，所以你要塑造你的流程。仅使用常见模式，而不是一次性问题。