問答系統通常分為任務型機器人、閑聊機器人和解決型機器人（客服機器人），三者的設計分別針對不同的應用場景。A）：任務型機器人主要用于完成用戶的某些特定任務，比如：買機票、話費充值或者天氣咨詢。B）：閑聊機器人主要用于深入的和用戶進行無目的交流；C）：解決型機器人（客服機器人）用于解決用戶的問題，比如：商品購買咨詢、商品退貨咨詢等。這里通過一些案例分析來介紹不同情況的算法選型：

任務型問題，1）：“成都今天天氣怎么樣”；2）：“明天呢"；3）：“后天呢”。

Slot Filling

首先，“成都今天天氣怎么樣”屬于天氣類問題（其中包含實體“地點”、“時間”），已經能夠完成應答；然后，“明天呢”該句話僅包含實體信息（”時間“），并未包含地點信息，如果直接采用意圖分類，不能完成此次應答；最后，”后天呢“同樣是只包含實體信息（”時間“）。針對此類的多輪對話場景，可采用slot filling的方式進行應答（slot filling是多個槽值組成，例如：天氣場景需要實體槽值“地點”和“時間”）?！泵魈炷亍昂汀焙筇炷亍爸话睍r間“實體，但是上文”成都今天天氣怎么樣“則包含了”地點“實體，只需要將下文的實體（“時間”）替換上文的實體（“時間“）即可。

解決型問題，1）：”iphone X多少錢“；2）：”郵費是多少呢”；3）：“可以無理由退貨么？”。

特征拼接上下文模型

針對此處的多輪對話，涉及到商品的購買、售前運費和退換貨政策三個意圖，并且后面的意圖分析需要前文的會話意圖，就是一個典型的多輪對話過程。首先，“iphone X多少錢”可以通過單句的意圖分類即可完成應答；而“運費是多少呢”則需要判斷用戶咨詢的屬于售前運費還是售后運費，此時可通過結合上文問題的方式進行意圖分析（1：抽取上文的意圖特征加入當前問題可解決部分上下文場景問題；2：結合上文和當前問題采用深度學習的算法進行上下文的意圖分析）。最后，“可以無理由退貨么”需要知道商品的信息才可以回答用戶的問題，因此需要上文商品“iphone X”（可以將對話中實體、商品信息保存用于下文應答）。

解決型問題，1）：”https://item.jd.com/6577511.html?jd_pop=67fb9e1c-df43-4cf9-9509-37998e9c983a&abt=0“；2）：”多少“；3）：”錢？“

層級上下文模型（H-CNN-GRU）

此時多輪對話過程中，涉及到用戶輸入過程中單句輸入不完整。slot filling和簡單抽取上文特征的方式并不適合，而組合多句輸入則可以完成此處的應答（具體方式見此處）。

閑聊型問題

聊天記錄

針對閑聊型問題，由于用戶并無明確的意圖，因此不適合做意圖分類，這里我們可以采用生成式模型，根據大量用戶歷史的閑聊語料生成相應的答案（生成式模型得到的答案可能存在語法、連貫性問題，但是閑聊場景的對話對語句語法和連貫性要求不高，相對隨意）。

seq2seq模型

總結：我們在分析一個人的時候通常涉及IQ和EQ兩個方面，IQ在于解決問題的能力，而EQ在于解決問題的方式。在實現一個機器人問答系統的時候，我們也應該考慮IQ和EQ兩個方面。這里只是針對問答系統中的一些特殊案例進行分析，一個完整的問答系統仍需要大量其他方面的工作，比如：讓問答系統的回答更加擬人化（用戶情感分析）。