主動聯想型對話機器人的設計與實現

于丹 溫濤 閆曉宇 孫偉 來關軍

摘? 要：人機對話系統通常僅是用戶命令的執行者，很少能主動發起對話，或依據對話以外的內容展開個性化的人機交互。本文提出了聯想型對話機器人的概念和對應設計方案，即通過融合用戶提問和用戶個人特征的方式產生對話內容，這樣的對話系統不僅可以主動發出對話邀請，也可以個性化地回答用戶問題，提升人機對話的滿意度。文章首先介紹了聯想型對話機器人與其他類型對話系統的區別與聯系，探討了聯想型對話機器人設計所需的關鍵技術和方法，并以在線教育系統為例，基于有限狀態機的方法，構建了主動聯想型對話機器人算法模型和聯想式對話的生成策略，使機器人能夠聯想用戶的歷史行為，生成以用戶使用產品為背景的智能對話。

關鍵詞：聯想型機器人;對話系統;有限狀態機

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）

當用戶初次使用多服務人機交互平臺[1]系統時，通常由于不熟悉系統而產生迷茫感，需要在使用前閱讀龐雜的使用教程。隨著用戶使用進程的推進，理想的情況是多個子服務之間可以產生聯動，平臺可以主動地為他們推送個性化定制的服務，例如自動提示用戶經常訪問的鏈接即將失效，根據其經常使用的功能做用戶行為分析，并加入與用戶的互動中等。但遺憾的是，此類功能很少出現在目前已上線的學習平臺系統中。

人機對話系統，也有人將其稱為對話機器人，已經被廣泛應用于人機交互過程等中的個性化溝通或幫助用戶完成特定的任務[2，3]。盡管對話系統可以解決一些個性化服務的問題，但傳統的對話機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，再進行答復或通過調用其他API等方式滿足用戶的需求，以完成任務。很少有對話機器人能夠基于用戶狀態，主動發出對話邀請或產生個性化、具有聯想的智能對話。

本文將這種能夠與用戶進行主動溝通，并能夠融合用戶提問和用戶個人特征信息，產生多種與用戶相關聯想對話內容的對話系統定義為主動聯想型對話機器人。主動聯想型對話機器人具有聯想功能和主動對話功能，其中聯想功能是對話機器人主動發起對話的前提和基礎。聯想型對話機器人的輸入不僅依賴于使用者的對話內容，還包含對話者的其他特征和行為信息，輸出的是與用戶使用系統行為相關或與自身特征相關的多種類型智能對話。具備聯想功能的人機對話系統可以由使用者發起對話，也可以由聯想型對話機器人根據使用者的狀態主動發起。

聯想對話產生的關鍵是識別和及時更新用戶在人機交互系統中各個功能模塊的不同使用狀態，生成相應推薦引導策略，最終生成對話并主動輸出給用戶。主動聯想型對話機器人可以在用戶使用平臺的過程中逐漸了解用戶，針對用戶特點提供個性化推薦功能，讓用戶產生沉浸式體驗，個性化地回答用戶問題，提升人機對話的滿意度。文章將以在線教育系統為例，基于有限狀態機的方法，構建主動聯想型對話機器人算法模型和聯想式對話的生成策略。

2? 相關技術和方法（Related technologies and methods ）

現今嵌入人機互動平臺系統中的對話機器人多為任務導向型對話機器人[2]，它根據用戶的指令在特定領域完成相應的任務操作，例如小蜜[3]可以模仿人工客服提供售前導購和售后咨詢服務。但對話機器人提供服務的前提通常是用戶主動發出對話請求，且僅針對用戶提出的內容進行匹配回答，不具備主動性和聯想的功能。

綜合現有的各類對話機器人的實現技術與方法，在冷啟動階段，基于規則的方法是讓對話機器人具備聯想功能的首選方法。相較于復雜的統計方法和深度學習算法，規則方法的優點是簡單、實用，可以快速實現，其開發成本低，針對特定任務領域的規則可操作性強。樹型結構等簡單規則框架適用于處理封閉域、架構簡單、規則明顯的任務，但若對話機器人需要聯想系統的各個模塊功能和用戶的歷史行為，普通的規則框架結構將十分繁雜且不易于維護。

聯想型對話產生的關鍵是要了解用戶在人機交互系統中各個功能模塊的使用狀態，從而產生個性智能的對話。有限狀態機（Finite State Machine， FSM）是表示有限個狀態以及在這些狀態之間的轉移和動作等行為的數學模型，它本質上就是一種抽象的建模機制[4，5]。顯然有限狀態機可以幫助我們掌握用戶的學習行為和狀態。在理論方面，程序設計者將復雜具體的總問題抽象分解成簡單清晰的子問題，通過記錄過去和當前的狀態表現出總問題的變化;在工程層面，有限狀態機系統擁有良好的擴展性，可以方便地添加新的功能代碼[5]。最著名的有限狀態機當屬艾倫·圖靈假想的設備——圖靈機[6]，他在1936年的論文《關于可計算數字》中寫道：這是一個預示著現代可編程計算機的機器，它們可以通過對無限長的磁帶上的符號進行讀寫和擦除操作來進行任何邏輯運算[7]。文章將采用有限狀態機來構建聯想型對話機器人的架構。

有限狀態機可以被定義為一個五元組 ，

其中為有限狀態集合，集合中每個元素對應有限狀態機的一個狀態;為事件集合;為狀態轉換函數，它是一個的映射函數;意味著在狀態下發生事件時，有限狀態機狀態將轉換為;為有限狀態機的初態集;為終態集[8]。由此可見，有限狀態機能夠把復雜的邏輯拆解為有限的狀態，它形成的閉環系統可以處理無盡的事務，從而解耦了模型的多狀態和狀態間的轉換條件[9]。

3? ?主動聯想型對話機器人的設計（Design of actively associative chatbot）

在線學習平臺本質上是一種人機交互系統，綜合各類在線學習平臺，學習者或多或少都遇到了缺少互動、系統不能主動溝通等問題。顯然如果在線教育平臺除了能夠為用戶提供多樣化學習服務，還能夠根據用戶在平臺上產生的學習行為判斷用戶的學習狀態，從而給出功能推薦、資源推送、安慰鼓勵等個性化對話，將極大改進學習者在線學習體驗和學習效率。

基于有限狀態機的理論和在線教育平臺的常見功能，本文設計了一個有限狀態機集合來體現用戶在在線學習平臺上的五種典型學習狀態，即知識點、學習結果、勤奮度、情緒、交互形式。本文定義有限狀態機集合的初始狀態是用戶開始學習一門課程，結束狀態是課程結課或用戶掌握標準。文章設計的有限狀態機集合包含五個有限狀態機，其各自對應的有限狀態集合如表1所示。

有限狀態機集合的事件集對應著用戶在在線學習平臺上產生的行為集合，包括用戶主動產生和用戶被動記錄兩種方式，具體如表2所示。

3.1? ?知識點狀態機

知識點狀態機能清晰地反映用戶正在學習哪一個知識點。知識點狀態集包含的狀態是用戶在在線學習平臺上已經或將要學習到的知識點名稱，它的初始狀態是狀態集中概念最基礎的知識點，終態是學習過程中最后需要掌握的知識點。

事件是用戶在某一知識點上學習的時間或頻率超過了設定的閾值。在用戶的動作集合中和知識點相關的動作為看視頻、構建知識圖譜、做試題測試、和對話機器人聊天。如表3所示，這里設定計分機制來量化表達事件。

當累計分值達到10分后，觸發狀態轉移，知識點狀態機的狀態從當前知識點遷移至下一知識點。

3.2? ?學習結果狀態機

學習結果狀態機能體現用戶在當前階段對知識點的掌握程度。它的狀態集包含三個狀態，按等級由低至高分別為：沒掌握、一般、掌握。初始狀態為一般，終態為掌握。

此處事件被細分為升級事件和降級事件。在用戶的動作集合中和知識點相關的動作為做試題測試。如表4所示，我們同樣設定計分機制來量化用戶行為。

當累計分值達到10分，升級事件條件得到滿足，觸發狀態轉移，學習結果狀態上調一級;當累計分值達到-10分，降級事件條件得到滿足，觸發狀態轉移，學習結果狀態下調一級。

3.3? ?勤奮度狀態機

勤奮度狀態機可以表示用戶在在線學習平臺上學習的努力程度。它的狀態集包含三個狀態，按等級由低至高分別為：不勤奮、一般、勤奮。初始狀態為一般，終態為勤奮。

此處事件仍被細分為升級事件和降級事件。在用戶的動作集合中和勤奮度相關的動作為看視頻、記筆記、構建知識圖譜、做試題測試、和對話機器人聊天、登錄在線學習平臺的頻率和時長。同樣地，如表5所示，我們設定計分機制來量化用戶行為。

當累計分值達到10分，升級事件條件得到滿足，觸發狀態轉移，勤奮度狀態上調一級;當累計分值達到-10分，降級事件條件得到滿足，觸發狀態轉移，勤奮度狀態下調一級。

3.4? ?情緒狀態機

情緒狀態機動態反映用戶在使用在線學習平臺時的情感變化。它的狀態集包含三個狀態，按等級由低至高分別為：低落、一般、亢奮。初始狀態為一般，終態為亢奮。

此處事件仍被細分為升級事件和降級事件。在用戶的動作集合中和情緒相關的動作為加群、添加好友、論壇討論、發送視頻彈幕、發表視頻評論、和對話機器人聊天、人臉情緒識別。同樣地，如表6所示，我們設定計分機制來量化用戶行為。

當累計分值達到10分，升級事件條件得到滿足，觸發狀態轉移，情緒狀態上調一級;當累計分值達到-10分，降級事件條件得到滿足，觸發狀態轉移，情緒狀態下調一級。

3.5? ?交互形式狀態機

交互形式狀態機能反映用戶偏于使用在線學習平臺的哪種交互方式。它的狀態集包含三個狀態：自學、他人交互、系統交互。初始狀態設置為和系統交互，終態為三個狀態中的任意一個。

對應狀態集的三個狀態，此處事件被細分為自學事件、他人交互事件、系統交互事件。如表7所示，我們同樣設定計分機制來量化用戶行為。

當某一事件累計分值達到10分后，觸發狀態轉移，交互形式狀態機從當前狀態遷移至該事件對應的狀態。

4? 主動聯想式對話生成策略（Actively associative dialogue generation strategy）

所謂聯想式對話就是聯合平臺中用戶在各個功能模塊的不同使用狀態來產生個性智能的對話，前面介紹的有限狀態機可以幫助我們掌握用戶的學習行為和狀態，基于此可以設計生成一系列的聯想型對話。

基于上一節設計的五種類型的有限狀態機隨機結合，可以產生不同效果的聯想型對話，對話類型至少有20種。考慮到在學習類型的綜合平臺中，對話機器人的主要作用是在用戶學習過程中答疑解惑的伴讀機器人，文章選定知識點狀態機作為聯想型對話的主線，設計知識點狀態機分別與其他四種類型狀態機的狀態結合產生聯想型對話的具體策略。

4.1? ?知識點和學習結果狀態機結合

學習結果為“掌握”時，對話機器人將提醒用戶當前知識點已達到掌握標準，可以開始下一個知識點的學習了。

學習結果為“一般”時，說明用戶在當前知識點還有上升的空間，對話機器人將推送知識點的視頻和知識圖譜資源，推薦添加已掌握該知識點的用戶為好友，集思廣益。

學習結果為“沒掌握”時，鼓勵用戶進行盲點檢測，判斷是否是前置知識點沒有完全掌握導致當前知識點的學習結果不佳，建議用戶向老師同學尋求幫助，并激勵用戶迎難而上。

4.2? ?知識點和勤奮度狀態機結合

勤奮度為“勤奮”時，對話機器人將稱贊用戶的勤奮，鼓勵用戶再接再厲。

勤奮度為“一般”時，根據其看視頻的時長和做題的頻率等行為具體分析哪些方面的學習仍需繼續努力。

勤奮度為“不勤奮”時，提醒用戶在當前知識點的學習已經持續了多長時間，詢問用戶是否遇到了困難導致學習不積極，推薦用戶參加討論群讓其他用戶帶動其學習的積極性。

4.3? ?知識點和情緒狀態機結合

用戶的情緒狀態為“亢奮”時，推薦用戶創建群聊帶動其他用戶共同學習。

用戶的情緒狀態為“一般”時，提醒用戶使用論壇功能，參與視頻評論等互動功能。

用戶的情緒狀態為“低落”時，對話機器人將發送安撫話語，并建議用戶多和現實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，對話機器人將通過后臺預警提示該用戶的老師對其予以重視。

4.4? ?知識點和交互形式狀態機結合

交互形式長期為“自學”時，提醒用戶可以和機器人對話，推送用戶當前學習知識點的相關論壇等。

交互形式長期為“系統互動”時，提醒用戶記筆記，自建知識圖譜加深鞏固學習效果。

交互形式長期為“他人互動”時，推送視頻資源和測試試題，建議其使用可以產生沉浸式學習體驗的功能。

5? ?結論（Conclusion）

本文提出主動聯想型對話機器人的概念，基于有限狀態機的方法設計了一種服務于綜合學習平臺的主動聯想型對話機器人。在大數據面板平臺和對話機器人都十分風行的今天，聯想型對話機器人不僅可以幫助新用戶快速熟悉平臺上的各個功能，還能夠通過用戶的歷史使用行為評估其使用的效果和狀態，并提供個性化幫助支持，讓用戶在使用平臺時擁有沉浸式的體驗。本文的算法設計主要基于有限狀態機，在未來的工作中將嘗試使用強化學習的方法來完成更復雜的任務。

參考文獻（References）

[1] 殷寶媛，武法提.學習習慣在線干預的原理與模型設計[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.淺談智能機器人對我們生活的影響[J].市場周刊，2015（3）：114-116.

[4] 王巍，高德遠.有限狀態機設計策略[J].計算機工程與應用，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.形式語言與自動機理論[M].北京：機械工業出版社，2007.

[7] 李偉，門佳.一種事件驅動有限狀態機的編程實現框架[J].計算機與現代化，2014（6）：116-119.

[8] 劉軼，劉濤，張興軍，等.基于有限狀態機的呼叫中心軟件設計[J].微電子學與計算機，2006（02）：83-85.

[9] 徐小良，汪樂宇，周泓.有限狀態機的一種實現框架[J].工程設計學報，2003，10（5）：251-255.

作者簡介：

于? 丹（1976-），女，博士，研究員.研究領域：數據分析與挖掘，人工智能.

溫? 濤（1962-），男，博士，教授.研究領域：智慧教育，人工智能.

閆曉宇（1995-），女，碩士，初級研究員.研究領域：自然語言處理，對話系統.

孫? 偉（1978-），男，博士，教授.研究領域：智慧教育，人工智能.

來關軍（1984-），男，碩士，中級研究員.研究領域：大數據分析，人工智能.