对话系统中的情景记忆与文化特定手势生成

# 对话系统中的情景记忆与文化特定手势生成 ## 1. 情景记忆在对话中的应用 ### 1.1 情景记忆组件的实现 在对话系统中，为了让虚拟伙伴更好地与用户交流，我们开发了基于RDF图的情景记忆组件。该组件使用Sesame存储库来托管数据存储，并借助Elmo框架实现Java到RDF的映射和持久化，大大减少了应用程序中需要生成和解析的纯RDF数据量。 ### 1.2 情景的类型与存储信息 情景主要分为以下几种类型： | 情景类型 | 存储信息 | | --- | --- | | 输入情景 | 创建时间、涉及的参与者、情景ID、用户输入字符串及其分析（以三元组集合形式）、描述话语功能的标签（如wh - 问题或断言） | | 动作情景 | 代理能够执行的动作，包括回答问题、断言陈述、查找相似情景、执行模块、检索上下文、发送输出等 | | 输出情景 | 发送给用户的领域数据，以及用于生成输出的模板名称（如果有） | | 评估情景 | 对先前动作的正或负反馈，用于代理从过去的动作中学习 | ### 1.3 情景的检索机制 为了有效地检索情景，我们提出了三种不同的机制： 1. **相似性检索**： - 输入为短期记忆中存储的表示当前情况的三元组集合。 - 首先搜索与输入包含相同三元组的相同情景。 - 然后使用用户话语中实例集和关系集的组合和子集进行查询。 - 还会利用领域数据的结构生成包含话语中个体类别的查询。 - 最后根据时间距离和重叠属性、个体和类别的数量对检索到的情景进行排名。 2. **模式匹配检索**：对话管理器使用这种检索模式，结合情景记忆内容、用户模型、领域知识和当前输入生成输出。例如，检测用户的偏好，如某个属性在对话中频繁出现，代理可以根据这些偏好提供更符合用户兴趣的信息。 3. **上下文检索**：用于理解用户话语中对先前对话的引用。具体步骤如下： - 确定用户话语是否需要完成。如果分析包含一个或多个完整三元组，或一个节点为变量的三元组，则认为话语完整；否则需要完成。 - 如果需要完成，使用SeRQL查询检索用于完成的情景： - 若缺少属性，搜索同一类或超类的最后出现情况（主体位置）。 - 搜索包含属性且其rdfs:范围涵盖所讨论个体的情景（对象位置）。 - 如果在上下文中未找到此类情景，可以将查询泛化到个体的超类。 ```mermaid graph LR A[情景检索] --> B[相似性检索] A --> C[模式匹配检索] A - ```