deepdialog

数据

前言

数据分三种：

• NLU数据，需要提供一句话到意图和槽值的数据
• DM数据，即对话流程，是用户行为和系统行为的流程
• NLG数据，系统行为到自然语言的过程

NLU数据

- domain: ''
  intent: hello
  data:
    - text: 你好
- domain: ''
  intent: bye
  data:
    - text: 再见
- domain: ''
  intent: thankyou
  data:
    - text: 谢谢
- domain: weather
  intent: inform
  data:
    - text: 北京市
      start: 0
      end: 3
      name: 城市
    - text: 今天
      start: 3
      end: 5
      name: 时间
    - text: 的天气

每句话有三个主要部分：

1. 这句话本身
2. 这句话的领域和意图
3. 这句话包含的槽值（包括位置信息）

如果我们单看一部分数据：

- domain: weather
  intent: inform
  data:
    - text: 北京市
      start: 0
      end: 3
      name: 城市
    - text: 今天
      start: 3
      end: 5
      name: 时间
    - text: 的天气

这句话原本是：北京市今天的天气

而其中北京市和今天是需要提取的槽值

这句话的领域weather，意图是inform

领域可以理解为，这句话的场景，这里是谈论天气。

意图可以理解为，不考虑场景的情况下，这句话的本质意义，这句话的本质意义是用户提供了一些信息给系统，希望系统能给出在天气领域内的回复。

这里的提供就变成了inform意图。

DM数据

hello:
- user: hello
- sys: hello
bye:
- user: bye
- sys: bye
CLOSE_TODO2:
- user: todo::closeTodo()
- sys: requestNumber
- user: informNumber(数字)
- sys: closeTodo(数字)

首先对话流程中有一些一对一的回答，例如用户说你好，系统也给出相应的问候信息。

其次系统有一些多轮机制，例如我们要关闭（设置完成）一条TODO，我们需要给出具体TODO的编号。那么当我们告诉系统我想关闭一条TODO之后，系统应该问用户：要关闭哪一条，然后用户给出编号（数字）之后，系统才真的执行关闭某一条TODO。

NLG

None:
- 我不知道怎么理解
meetingStart:
- 开会会议记录
meetingEnd:
- 会议记录结束
hello:
- 你好啊，我是帕蒂安
bye:
- See You

NLG是系统行为到自然语言的转换，绝大部分时候和绝大部分情况，模板方法就足够了。