通过本文内容，你将了解在搭建智能语音平台的过程中，如何搭建一个技能以及支持不同的意图，他们的本质和边界是什么？

接下来我将从这几方面进行展开：

1. 了解语音全流程框架
2. 意图的组成部分
3. 多轮交互

一、语音全流程框架图

首先，简单说一下语音交互的全流程的概念：

ASR（Automatic Speech Recognition）：接收音频返回字符串，可以根据不同的场景模式来定制ASR，比如智能冰箱语音ASR要更多的优化菜品种类等相关词语的识别，车载语音ASR就要更加关注有声内容的识别以及控制相关的词语识别。

例如：冰箱食材管控技能，说法“枣吃完了”，但是误识别成了“早吃完了”，就需要针对食物种类识别进行加强优化。

NLU（Natural Language Understanding）：通过一系列手段从识别出来的句子中抽取关键词，进行语义标识。

例如：“枣吃完了”，“枣”就代表食物种类，“吃完了”就代表食物数量为0。

DM（Dialog Management）：为对话系统的主体，控制着对话的架构和结构，从ASR/NLU组件接受输入，维护一些状态，与任务管理器（知识库）交互，并将输出传递给NLG/TTS模块。

例如：“枣吃完了”，首先需要把冰箱里面的枣的数量置为0，“再去苏宁小店买2斤”，然后依据上文的输出以及本轮的输入去补全词槽，根据上文的食物种类“枣”，然后提取“苏宁小店”，“2斤”，“买”结合起来自动在苏宁小店购买2斤枣，这就是DM需要完成的事情。

二、意图的组成部分

2.1 基础概念

意图：用户的每一轮对话，都可以认为是一个意图，如“北京市今天天气怎么样”就对应着意图【查询天气】。

语意槽：即从用户说法中提取出的关键字，如“我要去上海”，语意槽就是#地址#，取值“上海”。

2.2 意图的必要和必填参数

语音输入怎么触发意图，把相关的意图说法尽可能对应上设定的意图，把不相关的说法阻挡，本质上就是一个边界问题。

首先，跟着我来思考一下想要去上海旅游的话，应该怎么表达？

A：我想去旅游。

B：明天我想去上海旅游。

C：明天我想从北京去上海旅游。

D：我想飞到上海旅游。

句式A：有两个必要信息，“去”，“旅游”。

句式B：有两个必要信息，“去”，“旅游”；非必要信息“上海”“明天”（为什么明天和上海相比另外两个信息而言是非必要呢？因为没了非必要信息，两个必要信息也能明白意图，但是没了两个必要信息的其中一个，就不能理解意图）。

句式C：有两个必要信息，“去”，“旅游”；非必要信息“明天”，“北京”，“上海”。

句式D：有两个必要信息，“飞到”，“旅游”，非必要信息“上海”。

为什么定义“去”和“旅游”是必要信息呢？

如果你单说旅游的话，可能有旅游杂志，旅游景点，旅游指南等多种意图，但是如果你加上了“去”，那就代表你想去旅游，是一个出行计划类意图。

如果你单说去的话，可能有去吃饭，去购物，去旅游等多种意图，但是如果你加上了“旅游”，那就代表你想去旅游，是一个出行计划类意图。

为什么定义“上海”，“北京”“明天”是必填信息呢？

触发了去旅游的意图后，需要有出发地点、目的地，以及时间等必填参数才能完成服务，所以“目的地”“出发地”“时间”成为意图的两个“必填槽位”。

必要参数下面的“必要”和“必填”他们要解决的问题在本质上是不一样的。

• “必要”是针对某说法能够匹配到某个意图，它的本质是“边界判断”，作用是对意图进行分类和句式匹配。
• “必填”是在意图已经确定的情况下，去请求后续服务的“必填参数”。

我们可以总结如下，一句话的信息可以按照“信息类型”和“必要要素”来划分：

1. 必填槽位信息，比如“上海”“北京”
2. 必要意图信息，比如“去”“旅游”
3. 非必填槽位信息
4. 非必要意图信息

所以，在配置意图句式的模块，对于是否触发意图这个边界而言，“必要要素”是可以不含有解析框架中的任何槽位的，但是必须包含必要意图信息。

但是，对于一条完整的意图句式，一定要包含必要意图和必要槽位两个信息，必要槽位的信息可以有默认设置。

2.3 意图句式

我们再来看一下这几个例句：

A：我想去旅游

B：明天我想去上海旅游

C：明天我想从北京去上海旅游

D：我想飞到上海旅游

A和B的区别在于：仅仅在“去{上海}旅游”之间加了一个地名。

B和D的区别在于：“去”和“飞到”的表达差别。

这样我们就可以得出一个结论：在一个句式中，我们把必要意图信息按照顺序排列好的基础边界句式，只要符合这个边界的句式，全部可以匹配到这个意图。

后续的工作就是把一些“非必要信息”配置上去以覆盖更多的句式，比如必要意图信息“去”“旅游”，非必要意图信息“上海”，“明天”，就可以组成句式如：

• {时间}去旅游。
• 去{地名}旅游。
• {时间}去{地名}旅游。
• {时间}飞{上海}旅游。

在原有必要要素组成的基础句式基础上面，我们可以增加非必要要素的配置、排列组合和词库等，衣服和这个边界的更多句式。

在思必驰平台上线的食材管理意图里，自定义的一些句式说法：

三、多轮对话

多轮对话现在普遍的划分方式，分为“线性”多轮和“非线性”多轮。

从功能层面上讲：

• 线性多轮是在必填槽位缺失，通过系统主动发起追问的方式，去获得缺失的槽位；
• 非线性多轮是需要联系上文才能获得用户完整意图的问题；

3.1 线性多轮定位与边界

线性多轮解决问题得边界，是在一个意图的对话中，命中了必要意图信息，但是触发之后，却缺失了意图所请求服务必要要素（必填槽位信息）。

“必填槽位信息”是已经事先被定义好的，线性多轮的存在位置，就是为了弥补这个缺失。

举例：导航意图

必要完整要素：帮我导航到目的地（必要意图要素+必填槽位要素）

用户：“帮我导航”

反馈：“您要去哪里？”

用户：“天安门”

反馈：“正在为您导航到天安门”

当触发到必要意图的时候，但是没有必填槽位，就反馈寻找必填槽位信息，如果接下来的输入是所需要的必填槽位，就请求服务，如果对应不上必填槽位信息，就正常执行即可。

3.2 非线性多轮-意图内非线性多轮边界问题

首先跟我来思考一下，日常生活中的对话。

周末无聊，你想看黄渤主演的综艺节目来打发无聊时光，这时候你就可以跟女朋友说：“你给我找找综艺节目。”

然后，女朋友兴高采烈的给你搜罗着各类综艺，问你：“你想看搞笑的？智力的？还是什么？”

你跟女朋友说：“我想看黄渤参与的。”

这时候，女朋友就给你找出了黄渤参与的综艺类节目。然后，我们把对话置于智能语音助手上面就得出如下情况：

人：“我想看综艺。”

机：“为您找到以下综艺。”

人：“看黄渤参与的。”

机：“为您找到黄渤参与的综艺节目。”

通过以上的例子，我们可以得出：在用户第一轮对话后，我们可以知道了用户的意图（看综艺）。第二轮给出主演人的非必填槽位，那么在看综艺的这个意图上面是可以增加主演人的非必填槽位的，我们就可以去补充上意图的槽位，去相应用户的需求。

边界：需要联系上文的意图，如果接下来对话涉及到的槽位信息可以替换或补充上文的槽位，就可以获得用户的完整意图信息。

得到这个边界之后，我们在配置必要因素的时候，应该考虑：

1. 意图中的哪些槽位是可以改变的？比如：我想看综艺，也可以是我想看黄渤的综艺，又或者是我想看黄渤最新的综艺。
2. 哪些意图是可以做槽位改变的？比如：我想看综艺就可以有槽位的改变，我想去旅行对目的地，出发地的槽位进行改变，但是播控等一些简单基础意图就不需要了。比如：播放，声音大一点等都是单独执行的命令，没有必要增加其他的槽位信息。

3.3 非线性多轮-跨意图非线性多轮边界问题

接下来，继续跟我进入一个场景：

假如你想带你的女朋友去北京旅游，为了向女朋友展示你的体贴和细致，你想提前制定一下旅游计划，比如：你在大众点评筛选地点北京，人数2人，类别吃饭，然后给你推荐了许多吃饭地点。

如果这时候你点击类别的景点，他就会为你筛选出来适合2个人在北京旅游的景点，这时候你不用再去输入北京和人数了。

如果我们把操作对话置于智能语音助手上面就得出如下情况：

人：“帮我查查北京适合2人的吃饭地点”

机：“为您找到以下地点”

人：“那旅游景点有哪些呢？”

机：“为您找到以下旅游景点”

我们来看一下我们这两次的对话，第一个需求是吃饭的地点，第二个需求是旅游景点，很显然是不同的意图表达，但是地点北京和人数都是一致的，也就是说槽位信息是一样的。

假如你第二轮对话把“那旅游景点有哪些呢？”改成“那明天呢？”，如果把“北京”，“2人”和“那明天呢”组合在一起，是不能构成完整的信息表达的。

“跨意图非线性多轮”问题的边界：联系上文，上一个意图的槽位信息可以为下一个意图所用，才能获得用户完整意图信息。

现在普遍的实现，失去配置一个意图的“输入前置语境”和“输出语境”，来限定某个意图在第二轮的触发。

比如：在“查饭店”这个场景中，两个intent分别为“查饭店”和“查景点”。那么，在“查景点”这个跨意图的配置中，前置输入语境条件就是“查饭店”这个intent，触发“查景点”这个意图的必要要素就是“旅游景点”这四个字，然后槽位就是继承自“查饭店”的槽位。“旅游景点”的前置输入语境条件也可以是“查酒店”“查出行方式”等其他可以继承使用的槽位的意图。

可以得知：如果我们在第一轮交互的时候，如果用户仅仅问“那旅游景点有哪些呢？”要么就不会出发意图，要么就是需要“线性多轮”或其他方式去补充必填槽位。而通过“跨意图非线性多轮”的配置，在符合前置语境的条件的情况下，是可以匹配上“查景点”这个意图，并且可以通过上文的槽位继承的方式形成“完整用户意图”去请求后续的服务。

总结

本文由 @ walle 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议