主動(dòng)聯(lián)想型對(duì)話機(jī)器人的設(shè)計(jì)與實(shí)現(xiàn)

于丹 溫濤 閆曉宇 孫偉 來關(guān)軍

摘? 要：人機(jī)對(duì)話系統(tǒng)通常僅是用戶命令的執(zhí)行者，很少能主動(dòng)發(fā)起對(duì)話，或依據(jù)對(duì)話以外的內(nèi)容展開個(gè)性化的人機(jī)交互。本文提出了聯(lián)想型對(duì)話機(jī)器人的概念和對(duì)應(yīng)設(shè)計(jì)方案，即通過融合用戶提問和用戶個(gè)人特征的方式產(chǎn)生對(duì)話內(nèi)容，這樣的對(duì)話系統(tǒng)不僅可以主動(dòng)發(fā)出對(duì)話邀請(qǐng)，也可以個(gè)性化地回答用戶問題，提升人機(jī)對(duì)話的滿意度。文章首先介紹了聯(lián)想型對(duì)話機(jī)器人與其他類型對(duì)話系統(tǒng)的區(qū)別與聯(lián)系，探討了聯(lián)想型對(duì)話機(jī)器人設(shè)計(jì)所需的關(guān)鍵技術(shù)和方法，并以在線教育系統(tǒng)為例，基于有限狀態(tài)機(jī)的方法，構(gòu)建了主動(dòng)聯(lián)想型對(duì)話機(jī)器人算法模型和聯(lián)想式對(duì)話的生成策略，使機(jī)器人能夠聯(lián)想用戶的歷史行為，生成以用戶使用產(chǎn)品為背景的智能對(duì)話。

關(guān)鍵詞：聯(lián)想型機(jī)器人;對(duì)話系統(tǒng);有限狀態(tài)機(jī)

Abstract： The human-machine dialogue system is usually only the executor of the user's command， and rarely initiates a dialogue that proactively develops personalized human-machine interaction based on content outside but associative to the dialogue. This paper proposes concept and corresponding design of the associative chatbot， that is， dialogue content is generated by integrating user questions and user personal characteristics. Such a dialogue system can not only actively send out dialogue invitations， but also answer user questions in a personalized way， and improve satisfaction of human-machine dialogue. The paper first introduces differences and connections between the associative chatbot and other types of dialogue systems， and discusses key technologies and methods required for designing an associative chatbot. Then， based on Finite-state Machine （FSM） method， this paper takes online education system as an example and constructs algorithm model of proactively associative chatbots and generation strategies of associative dialogues. Therefore， chatbots can associate user's historical behavior with new conversations and generate intelligent dialogues based on user's situation.

Keywords： associative chatbot; dialogue system; Finite-state Machine

1? ?引言（Introduction）

當(dāng)用戶初次使用多服務(wù)人機(jī)交互平臺(tái)[1]系統(tǒng)時(shí)，通常由于不熟悉系統(tǒng)而產(chǎn)生迷茫感，需要在使用前閱讀龐雜的使用教程。隨著用戶使用進(jìn)程的推進(jìn)，理想的情況是多個(gè)子服務(wù)之間可以產(chǎn)生聯(lián)動(dòng)，平臺(tái)可以主動(dòng)地為他們推送個(gè)性化定制的服務(wù)，例如自動(dòng)提示用戶經(jīng)常訪問的鏈接即將失效，根據(jù)其經(jīng)常使用的功能做用戶行為分析，并加入與用戶的互動(dòng)中等。但遺憾的是，此類功能很少出現(xiàn)在目前已上線的學(xué)習(xí)平臺(tái)系統(tǒng)中。

人機(jī)對(duì)話系統(tǒng)，也有人將其稱為對(duì)話機(jī)器人，已經(jīng)被廣泛應(yīng)用于人機(jī)交互過程等中的個(gè)性化溝通或幫助用戶完成特定的任務(wù)[2，3]。盡管對(duì)話系統(tǒng)可以解決一些個(gè)性化服務(wù)的問題，但傳統(tǒng)的對(duì)話機(jī)器人通常只能通過用戶的輸入信息來理解或澄清用戶意圖，再進(jìn)行答復(fù)或通過調(diào)用其他API等方式滿足用戶的需求，以完成任務(wù)。很少有對(duì)話機(jī)器人能夠基于用戶狀態(tài)，主動(dòng)發(fā)出對(duì)話邀請(qǐng)或產(chǎn)生個(gè)性化、具有聯(lián)想的智能對(duì)話。

本文將這種能夠與用戶進(jìn)行主動(dòng)溝通，并能夠融合用戶提問和用戶個(gè)人特征信息，產(chǎn)生多種與用戶相關(guān)聯(lián)想對(duì)話內(nèi)容的對(duì)話系統(tǒng)定義為主動(dòng)聯(lián)想型對(duì)話機(jī)器人。主動(dòng)聯(lián)想型對(duì)話機(jī)器人具有聯(lián)想功能和主動(dòng)對(duì)話功能，其中聯(lián)想功能是對(duì)話機(jī)器人主動(dòng)發(fā)起對(duì)話的前提和基礎(chǔ)。聯(lián)想型對(duì)話機(jī)器人的輸入不僅依賴于使用者的對(duì)話內(nèi)容，還包含對(duì)話者的其他特征和行為信息，輸出的是與用戶使用系統(tǒng)行為相關(guān)或與自身特征相關(guān)的多種類型智能對(duì)話。具備聯(lián)想功能的人機(jī)對(duì)話系統(tǒng)可以由使用者發(fā)起對(duì)話，也可以由聯(lián)想型對(duì)話機(jī)器人根據(jù)使用者的狀態(tài)主動(dòng)發(fā)起。

聯(lián)想對(duì)話產(chǎn)生的關(guān)鍵是識(shí)別和及時(shí)更新用戶在人機(jī)交互系統(tǒng)中各個(gè)功能模塊的不同使用狀態(tài)，生成相應(yīng)推薦引導(dǎo)策略，最終生成對(duì)話并主動(dòng)輸出給用戶。主動(dòng)聯(lián)想型對(duì)話機(jī)器人可以在用戶使用平臺(tái)的過程中逐漸了解用戶，針對(duì)用戶特點(diǎn)提供個(gè)性化推薦功能，讓用戶產(chǎn)生沉浸式體驗(yàn)，個(gè)性化地回答用戶問題，提升人機(jī)對(duì)話的滿意度。文章將以在線教育系統(tǒng)為例，基于有限狀態(tài)機(jī)的方法，構(gòu)建主動(dòng)聯(lián)想型對(duì)話機(jī)器人算法模型和聯(lián)想式對(duì)話的生成策略。

2? 相關(guān)技術(shù)和方法（Related technologies and methods ）

現(xiàn)今嵌入人機(jī)互動(dòng)平臺(tái)系統(tǒng)中的對(duì)話機(jī)器人多為任務(wù)導(dǎo)向型對(duì)話機(jī)器人[2]，它根據(jù)用戶的指令在特定領(lǐng)域完成相應(yīng)的任務(wù)操作，例如小蜜[3]可以模仿人工客服提供售前導(dǎo)購和售后咨詢服務(wù)。但對(duì)話機(jī)器人提供服務(wù)的前提通常是用戶主動(dòng)發(fā)出對(duì)話請(qǐng)求，且僅針對(duì)用戶提出的內(nèi)容進(jìn)行匹配回答，不具備主動(dòng)性和聯(lián)想的功能。

綜合現(xiàn)有的各類對(duì)話機(jī)器人的實(shí)現(xiàn)技術(shù)與方法，在冷啟動(dòng)階段，基于規(guī)則的方法是讓對(duì)話機(jī)器人具備聯(lián)想功能的首選方法。相較于復(fù)雜的統(tǒng)計(jì)方法和深度學(xué)習(xí)算法，規(guī)則方法的優(yōu)點(diǎn)是簡(jiǎn)單、實(shí)用，可以快速實(shí)現(xiàn)，其開發(fā)成本低，針對(duì)特定任務(wù)領(lǐng)域的規(guī)則可操作性強(qiáng)。樹型結(jié)構(gòu)等簡(jiǎn)單規(guī)則框架適用于處理封閉域、架構(gòu)簡(jiǎn)單、規(guī)則明顯的任務(wù)，但若對(duì)話機(jī)器人需要聯(lián)想系統(tǒng)的各個(gè)模塊功能和用戶的歷史行為，普通的規(guī)則框架結(jié)構(gòu)將十分繁雜且不易于維護(hù)。

聯(lián)想型對(duì)話產(chǎn)生的關(guān)鍵是要了解用戶在人機(jī)交互系統(tǒng)中各個(gè)功能模塊的使用狀態(tài)，從而產(chǎn)生個(gè)性智能的對(duì)話。有限狀態(tài)機(jī)（Finite State Machine， FSM）是表示有限個(gè)狀態(tài)以及在這些狀態(tài)之間的轉(zhuǎn)移和動(dòng)作等行為的數(shù)學(xué)模型，它本質(zhì)上就是一種抽象的建模機(jī)制[4，5]。顯然有限狀態(tài)機(jī)可以幫助我們掌握用戶的學(xué)習(xí)行為和狀態(tài)。在理論方面，程序設(shè)計(jì)者將復(fù)雜具體的總問題抽象分解成簡(jiǎn)單清晰的子問題，通過記錄過去和當(dāng)前的狀態(tài)表現(xiàn)出總問題的變化;在工程層面，有限狀態(tài)機(jī)系統(tǒng)擁有良好的擴(kuò)展性，可以方便地添加新的功能代碼[5]。最著名的有限狀態(tài)機(jī)當(dāng)屬艾倫·圖靈假想的設(shè)備——圖靈機(jī)[6]，他在1936年的論文《關(guān)于可計(jì)算數(shù)字》中寫道：這是一個(gè)預(yù)示著現(xiàn)代可編程計(jì)算機(jī)的機(jī)器，它們可以通過對(duì)無限長(zhǎng)的磁帶上的符號(hào)進(jìn)行讀寫和擦除操作來進(jìn)行任何邏輯運(yùn)算[7]。文章將采用有限狀態(tài)機(jī)來構(gòu)建聯(lián)想型對(duì)話機(jī)器人的架構(gòu)。

有限狀態(tài)機(jī)可以被定義為一個(gè)五元組 ，

其中為有限狀態(tài)集合，集合中每個(gè)元素對(duì)應(yīng)有限狀態(tài)機(jī)的一個(gè)狀態(tài);為事件集合;為狀態(tài)轉(zhuǎn)換函數(shù)，它是一個(gè)的映射函數(shù);意味著在狀態(tài)下發(fā)生事件時(shí)，有限狀態(tài)機(jī)狀態(tài)將轉(zhuǎn)換為;為有限狀態(tài)機(jī)的初態(tài)集;為終態(tài)集[8]。由此可見，有限狀態(tài)機(jī)能夠把復(fù)雜的邏輯拆解為有限的狀態(tài)，它形成的閉環(huán)系統(tǒng)可以處理無盡的事務(wù)，從而解耦了模型的多狀態(tài)和狀態(tài)間的轉(zhuǎn)換條件[9]。

3? ?主動(dòng)聯(lián)想型對(duì)話機(jī)器人的設(shè)計(jì)（Design of actively associative chatbot）

在線學(xué)習(xí)平臺(tái)本質(zhì)上是一種人機(jī)交互系統(tǒng)，綜合各類在線學(xué)習(xí)平臺(tái)，學(xué)習(xí)者或多或少都遇到了缺少互動(dòng)、系統(tǒng)不能主動(dòng)溝通等問題。顯然如果在線教育平臺(tái)除了能夠?yàn)橛脩籼峁┒鄻踊瘜W(xué)習(xí)服務(wù)，還能夠根據(jù)用戶在平臺(tái)上產(chǎn)生的學(xué)習(xí)行為判斷用戶的學(xué)習(xí)狀態(tài)，從而給出功能推薦、資源推送、安慰鼓勵(lì)等個(gè)性化對(duì)話，將極大改進(jìn)學(xué)習(xí)者在線學(xué)習(xí)體驗(yàn)和學(xué)習(xí)效率。

基于有限狀態(tài)機(jī)的理論和在線教育平臺(tái)的常見功能，本文設(shè)計(jì)了一個(gè)有限狀態(tài)機(jī)集合來體現(xiàn)用戶在在線學(xué)習(xí)平臺(tái)上的五種典型學(xué)習(xí)狀態(tài)，即知識(shí)點(diǎn)、學(xué)習(xí)結(jié)果、勤奮度、情緒、交互形式。本文定義有限狀態(tài)機(jī)集合的初始狀態(tài)是用戶開始學(xué)習(xí)一門課程，結(jié)束狀態(tài)是課程結(jié)課或用戶掌握標(biāo)準(zhǔn)。文章設(shè)計(jì)的有限狀態(tài)機(jī)集合包含五個(gè)有限狀態(tài)機(jī)，其各自對(duì)應(yīng)的有限狀態(tài)集合如表1所示。

有限狀態(tài)機(jī)集合的事件集對(duì)應(yīng)著用戶在在線學(xué)習(xí)平臺(tái)上產(chǎn)生的行為集合，包括用戶主動(dòng)產(chǎn)生和用戶被動(dòng)記錄兩種方式，具體如表2所示。

3.1? ?知識(shí)點(diǎn)狀態(tài)機(jī)

知識(shí)點(diǎn)狀態(tài)機(jī)能清晰地反映用戶正在學(xué)習(xí)哪一個(gè)知識(shí)點(diǎn)。知識(shí)點(diǎn)狀態(tài)集包含的狀態(tài)是用戶在在線學(xué)習(xí)平臺(tái)上已經(jīng)或?qū)⒁獙W(xué)習(xí)到的知識(shí)點(diǎn)名稱，它的初始狀態(tài)是狀態(tài)集中概念最基礎(chǔ)的知識(shí)點(diǎn)，終態(tài)是學(xué)習(xí)過程中最后需要掌握的知識(shí)點(diǎn)。

事件是用戶在某一知識(shí)點(diǎn)上學(xué)習(xí)的時(shí)間或頻率超過了設(shè)定的閾值。在用戶的動(dòng)作集合中和知識(shí)點(diǎn)相關(guān)的動(dòng)作為看視頻、構(gòu)建知識(shí)圖譜、做試題測(cè)試、和對(duì)話機(jī)器人聊天。如表3所示，這里設(shè)定計(jì)分機(jī)制來量化表達(dá)事件。

當(dāng)累計(jì)分值達(dá)到10分后，觸發(fā)狀態(tài)轉(zhuǎn)移，知識(shí)點(diǎn)狀態(tài)機(jī)的狀態(tài)從當(dāng)前知識(shí)點(diǎn)遷移至下一知識(shí)點(diǎn)。

3.2? ?學(xué)習(xí)結(jié)果狀態(tài)機(jī)

學(xué)習(xí)結(jié)果狀態(tài)機(jī)能體現(xiàn)用戶在當(dāng)前階段對(duì)知識(shí)點(diǎn)的掌握程度。它的狀態(tài)集包含三個(gè)狀態(tài)，按等級(jí)由低至高分別為：沒掌握、一般、掌握。初始狀態(tài)為一般，終態(tài)為掌握。

此處事件被細(xì)分為升級(jí)事件和降級(jí)事件。在用戶的動(dòng)作集合中和知識(shí)點(diǎn)相關(guān)的動(dòng)作為做試題測(cè)試。如表4所示，我們同樣設(shè)定計(jì)分機(jī)制來量化用戶行為。

當(dāng)累計(jì)分值達(dá)到10分，升級(jí)事件條件得到滿足，觸發(fā)狀態(tài)轉(zhuǎn)移，學(xué)習(xí)結(jié)果狀態(tài)上調(diào)一級(jí);當(dāng)累計(jì)分值達(dá)到-10分，降級(jí)事件條件得到滿足，觸發(fā)狀態(tài)轉(zhuǎn)移，學(xué)習(xí)結(jié)果狀態(tài)下調(diào)一級(jí)。

3.3? ?勤奮度狀態(tài)機(jī)

勤奮度狀態(tài)機(jī)可以表示用戶在在線學(xué)習(xí)平臺(tái)上學(xué)習(xí)的努力程度。它的狀態(tài)集包含三個(gè)狀態(tài)，按等級(jí)由低至高分別為：不勤奮、一般、勤奮。初始狀態(tài)為一般，終態(tài)為勤奮。

此處事件仍被細(xì)分為升級(jí)事件和降級(jí)事件。在用戶的動(dòng)作集合中和勤奮度相關(guān)的動(dòng)作為看視頻、記筆記、構(gòu)建知識(shí)圖譜、做試題測(cè)試、和對(duì)話機(jī)器人聊天、登錄在線學(xué)習(xí)平臺(tái)的頻率和時(shí)長(zhǎng)。同樣地，如表5所示，我們?cè)O(shè)定計(jì)分機(jī)制來量化用戶行為。

當(dāng)累計(jì)分值達(dá)到10分，升級(jí)事件條件得到滿足，觸發(fā)狀態(tài)轉(zhuǎn)移，勤奮度狀態(tài)上調(diào)一級(jí);當(dāng)累計(jì)分值達(dá)到-10分，降級(jí)事件條件得到滿足，觸發(fā)狀態(tài)轉(zhuǎn)移，勤奮度狀態(tài)下調(diào)一級(jí)。

3.4? ?情緒狀態(tài)機(jī)

情緒狀態(tài)機(jī)動(dòng)態(tài)反映用戶在使用在線學(xué)習(xí)平臺(tái)時(shí)的情感變化。它的狀態(tài)集包含三個(gè)狀態(tài)，按等級(jí)由低至高分別為：低落、一般、亢奮。初始狀態(tài)為一般，終態(tài)為亢奮。

此處事件仍被細(xì)分為升級(jí)事件和降級(jí)事件。在用戶的動(dòng)作集合中和情緒相關(guān)的動(dòng)作為加群、添加好友、論壇討論、發(fā)送視頻彈幕、發(fā)表視頻評(píng)論、和對(duì)話機(jī)器人聊天、人臉情緒識(shí)別。同樣地，如表6所示，我們?cè)O(shè)定計(jì)分機(jī)制來量化用戶行為。

當(dāng)累計(jì)分值達(dá)到10分，升級(jí)事件條件得到滿足，觸發(fā)狀態(tài)轉(zhuǎn)移，情緒狀態(tài)上調(diào)一級(jí);當(dāng)累計(jì)分值達(dá)到-10分，降級(jí)事件條件得到滿足，觸發(fā)狀態(tài)轉(zhuǎn)移，情緒狀態(tài)下調(diào)一級(jí)。

3.5? ?交互形式狀態(tài)機(jī)

交互形式狀態(tài)機(jī)能反映用戶偏于使用在線學(xué)習(xí)平臺(tái)的哪種交互方式。它的狀態(tài)集包含三個(gè)狀態(tài)：自學(xué)、他人交互、系統(tǒng)交互。初始狀態(tài)設(shè)置為和系統(tǒng)交互，終態(tài)為三個(gè)狀態(tài)中的任意一個(gè)。

對(duì)應(yīng)狀態(tài)集的三個(gè)狀態(tài)，此處事件被細(xì)分為自學(xué)事件、他人交互事件、系統(tǒng)交互事件。如表7所示，我們同樣設(shè)定計(jì)分機(jī)制來量化用戶行為。

當(dāng)某一事件累計(jì)分值達(dá)到10分后，觸發(fā)狀態(tài)轉(zhuǎn)移，交互形式狀態(tài)機(jī)從當(dāng)前狀態(tài)遷移至該事件對(duì)應(yīng)的狀態(tài)。

4? 主動(dòng)聯(lián)想式對(duì)話生成策略（Actively associative dialogue generation strategy）

所謂聯(lián)想式對(duì)話就是聯(lián)合平臺(tái)中用戶在各個(gè)功能模塊的不同使用狀態(tài)來產(chǎn)生個(gè)性智能的對(duì)話，前面介紹的有限狀態(tài)機(jī)可以幫助我們掌握用戶的學(xué)習(xí)行為和狀態(tài)，基于此可以設(shè)計(jì)生成一系列的聯(lián)想型對(duì)話。

基于上一節(jié)設(shè)計(jì)的五種類型的有限狀態(tài)機(jī)隨機(jī)結(jié)合，可以產(chǎn)生不同效果的聯(lián)想型對(duì)話，對(duì)話類型至少有20種。考慮到在學(xué)習(xí)類型的綜合平臺(tái)中，對(duì)話機(jī)器人的主要作用是在用戶學(xué)習(xí)過程中答疑解惑的伴讀機(jī)器人，文章選定知識(shí)點(diǎn)狀態(tài)機(jī)作為聯(lián)想型對(duì)話的主線，設(shè)計(jì)知識(shí)點(diǎn)狀態(tài)機(jī)分別與其他四種類型狀態(tài)機(jī)的狀態(tài)結(jié)合產(chǎn)生聯(lián)想型對(duì)話的具體策略。

4.1? ?知識(shí)點(diǎn)和學(xué)習(xí)結(jié)果狀態(tài)機(jī)結(jié)合

學(xué)習(xí)結(jié)果為“掌握”時(shí)，對(duì)話機(jī)器人將提醒用戶當(dāng)前知識(shí)點(diǎn)已達(dá)到掌握標(biāo)準(zhǔn)，可以開始下一個(gè)知識(shí)點(diǎn)的學(xué)習(xí)了。

學(xué)習(xí)結(jié)果為“一般”時(shí)，說明用戶在當(dāng)前知識(shí)點(diǎn)還有上升的空間，對(duì)話機(jī)器人將推送知識(shí)點(diǎn)的視頻和知識(shí)圖譜資源，推薦添加已掌握該知識(shí)點(diǎn)的用戶為好友，集思廣益。

學(xué)習(xí)結(jié)果為“沒掌握”時(shí)，鼓勵(lì)用戶進(jìn)行盲點(diǎn)檢測(cè)，判斷是否是前置知識(shí)點(diǎn)沒有完全掌握導(dǎo)致當(dāng)前知識(shí)點(diǎn)的學(xué)習(xí)結(jié)果不佳，建議用戶向老師同學(xué)尋求幫助，并激勵(lì)用戶迎難而上。

4.2? ?知識(shí)點(diǎn)和勤奮度狀態(tài)機(jī)結(jié)合

勤奮度為“勤奮”時(shí)，對(duì)話機(jī)器人將稱贊用戶的勤奮，鼓勵(lì)用戶再接再厲。

勤奮度為“一般”時(shí)，根據(jù)其看視頻的時(shí)長(zhǎng)和做題的頻率等行為具體分析哪些方面的學(xué)習(xí)仍需繼續(xù)努力。

勤奮度為“不勤奮”時(shí)，提醒用戶在當(dāng)前知識(shí)點(diǎn)的學(xué)習(xí)已經(jīng)持續(xù)了多長(zhǎng)時(shí)間，詢問用戶是否遇到了困難導(dǎo)致學(xué)習(xí)不積極，推薦用戶參加討論群讓其他用戶帶動(dòng)其學(xué)習(xí)的積極性。

4.3? ?知識(shí)點(diǎn)和情緒狀態(tài)機(jī)結(jié)合

用戶的情緒狀態(tài)為“亢奮”時(shí)，推薦用戶創(chuàng)建群聊帶動(dòng)其他用戶共同學(xué)習(xí)。

用戶的情緒狀態(tài)為“一般”時(shí)，提醒用戶使用論壇功能，參與視頻評(píng)論等互動(dòng)功能。

用戶的情緒狀態(tài)為“低落”時(shí)，對(duì)話機(jī)器人將發(fā)送安撫話語，并建議用戶多和現(xiàn)實(shí)生活中的老師朋友交流。更極端的情況，如果用戶多次流露出絕望厭世的情緒，對(duì)話機(jī)器人將通過后臺(tái)預(yù)警提示該用戶的老師對(duì)其予以重視。

4.4? ?知識(shí)點(diǎn)和交互形式狀態(tài)機(jī)結(jié)合

交互形式長(zhǎng)期為“自學(xué)”時(shí)，提醒用戶可以和機(jī)器人對(duì)話，推送用戶當(dāng)前學(xué)習(xí)知識(shí)點(diǎn)的相關(guān)論壇等。

交互形式長(zhǎng)期為“系統(tǒng)互動(dòng)”時(shí)，提醒用戶記筆記，自建知識(shí)圖譜加深鞏固學(xué)習(xí)效果。

交互形式長(zhǎng)期為“他人互動(dòng)”時(shí)，推送視頻資源和測(cè)試試題，建議其使用可以產(chǎn)生沉浸式學(xué)習(xí)體驗(yàn)的功能。

5? ?結(jié)論（Conclusion）

本文提出主動(dòng)聯(lián)想型對(duì)話機(jī)器人的概念，基于有限狀態(tài)機(jī)的方法設(shè)計(jì)了一種服務(wù)于綜合學(xué)習(xí)平臺(tái)的主動(dòng)聯(lián)想型對(duì)話機(jī)器人。在大數(shù)據(jù)面板平臺(tái)和對(duì)話機(jī)器人都十分風(fēng)行的今天，聯(lián)想型對(duì)話機(jī)器人不僅可以幫助新用戶快速熟悉平臺(tái)上的各個(gè)功能，還能夠通過用戶的歷史使用行為評(píng)估其使用的效果和狀態(tài)，并提供個(gè)性化幫助支持，讓用戶在使用平臺(tái)時(shí)擁有沉浸式的體驗(yàn)。本文的算法設(shè)計(jì)主要基于有限狀態(tài)機(jī)，在未來的工作中將嘗試使用強(qiáng)化學(xué)習(xí)的方法來完成更復(fù)雜的任務(wù)。

參考文獻(xiàn)（References）

[1] 殷寶媛，武法提.學(xué)習(xí)習(xí)慣在線干預(yù)的原理與模型設(shè)計(jì)[J].電化教育研究，2019，40（12）：72-79.

[2] Luong T C， Le-Hong P. Towards Task-Oriented Dialogue in Mixed Domains[M]. Hanoi： Computational Linguistics， 2020.

[3] 劉姍姍.淺談智能機(jī)器人對(duì)我們生活的影響[J].市場(chǎng)周刊，2015（3）：114-116.

[4] 王巍，高德遠(yuǎn).有限狀態(tài)機(jī)設(shè)計(jì)策略[J].計(jì)算機(jī)工程與應(yīng)用，1999（07）：54-55;73.

[5] Aslan M F， Durdu A， Sabanci K， et al. An approach for learning from robots using formal languages and automata[J]. Industrial Robot， 2019， 46（4）：490-498.

[6] 吳哲輝，吳振寰.形式語言與自動(dòng)機(jī)理論[M].北京：機(jī)械工業(yè)出版社，2007.

[7] 李偉，門佳.一種事件驅(qū)動(dòng)有限狀態(tài)機(jī)的編程實(shí)現(xiàn)框架[J].計(jì)算機(jī)與現(xiàn)代化，2014（6）：116-119.

[8] 劉軼，劉濤，張興軍，等.基于有限狀態(tài)機(jī)的呼叫中心軟件設(shè)計(jì)[J].微電子學(xué)與計(jì)算機(jī)，2006（02）：83-85.

[9] 徐小良，汪樂宇，周泓.有限狀態(tài)機(jī)的一種實(shí)現(xiàn)框架[J].工程設(shè)計(jì)學(xué)報(bào)，2003，10（5）：251-255.

作者簡(jiǎn)介：

于? 丹（1976-），女，博士，研究員.研究領(lǐng)域：數(shù)據(jù)分析與挖掘，人工智能.

溫? 濤（1962-），男，博士，教授.研究領(lǐng)域：智慧教育，人工智能.

閆曉宇（1995-），女，碩士，初級(jí)研究員.研究領(lǐng)域：自然語言處理，對(duì)話系統(tǒng).

孫? 偉（1978-），男，博士，教授.研究領(lǐng)域：智慧教育，人工智能.

來關(guān)軍（1984-），男，碩士，中級(jí)研究員.研究領(lǐng)域：大數(shù)據(jù)分析，人工智能.