文献类型：期刊文章

作　　者：赵阳洋[1] 王振宇[1] 王佩[1] 杨添[1] 张睿[1] 尹凯[1]

ZHAO Yang-Yang;WANG Zhen-Yu;WANG Pei;YANG Tian;ZHANG Rui;YIN Kai(School of Software Engineering,South China University of Technology,Guangzhou 510000)

机构地区：[1]华南理工大学软件学院,广州510000

出　　处：《计算机学报》

基　　金：广东省科技计划项目重大专项(2015B01013100);广州市科技计划项目产业技术重大攻关计划(201802010025);广州市高校创新创业教育平台建设重点项目(2019PT103)资助.

年　　份：2020

卷　　号：43

期　　号：10

起止页码：1862-1896

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：人机对话技术作为人工智能领域的重要研究内容,它是人与机器的一种新型交互方式,受到学术界和工业界的广泛关注.近些年来,得益于深度学习技术在自然语言领域的突破性进展,人机对话技术取得了突飞猛进的发展.将深度学习融入人机对话系统技术中,不但使得端到端的方法成为可能,而且提取出的特征向量非常有效,几乎完全取代了人工特征.本文首先回顾了人机对话系统的发展历程,介绍了人机对话系统的两种类型,任务型对话系统和非任务型对话系统.其次,本文从理论模型、研究进展、可用性及存在的问题与挑战等角度深度剖析了任务型对话系统的两种方法,即管道方法和端到端方法.重点分析深度学习技术和强化学习技术中具有代表性的前沿算法,并与传统方法进行对比.最后,对任务型人机对话系统目前的评估方法和存在的问题进行总结,并展望了任务型对话系统的未来研究方向.

关 键 词：对话系统  任务型对话系统  深度学习  强化学习  管道方法  端到端方法  

分 类 号：TP391]