[发明专利]从计算应用自动地生成对话式服务

说明书

公开了一个或多个面向任务的对话式机器人程序的自动生成。说明性地，提供了系统和方法，该系统和方法允许跟踪一个或多个计算应用的交互，包括：与一个或多个计算应用的一个或多个编程性元件的交互、与该一个或多个计算应用的(多个)图形用户界面的交互、和/或该一个或多个计算应用正在其上执行的一个或多个计算环境的操作，以用于收集各种状态数据。状态数据可以说明性地用图形表示，以示出一个或多个计算应用的一个或多个功能/操作的总体执行路径，以用于在生成表示面向期望任务的对话式机器人程序的一个或多个指令时使用，这些指令可以通过一个或多个计算应用的一个或多个应用编程接口操作性地执行。

背景技术

近年来，关于对话式服务的前景和兴奋度快速增长。除了智能助理的流行以外，还有专业化的机器人程序(bot)的使用和执行的兴起(例如，也在来自AMAZON.COM,INC.的ALEXA虚拟助理和来自MICROSOFT CORP.的CORTANA虚拟助理中称为“技能”(“skill”)，以及在来自GOOGLE LLC.的谷歌助理(GOOGLE ASSISTANT)虚拟助理中称为“动作”(“action”))。尤其有用的是面向任务的聊天机器人程序，其担任代表用户的代理，通过对应的计算机应用的一个或多个操作的执行，使用自然语言对话与外部的服务交互，以达成特定的任务(预定出租车、预约餐厅、或者找到菜谱)。

当前，大多数对话式服务可以使用槽填充(slot-filling)方法构建。利用这样的方法，用户的短语(例如，“我要一杯咖啡”)指示意图、系统支持的动作，诸如“点咖啡”(与附加的参数，诸如类型、尺寸一起)。意图执行所必须的输入参数(诸如咖啡类型和尺寸)可以描述为槽。利用槽填充方法，控制结构可以操作性地限定用于系统和用户之间的多回合对话的操作，以收集所有满足意图所必须的槽。

槽填充已经被证明是可靠的，但是要求显著的开发者精力。首先，控制结构，通常使用有限状态自动机的形式，需要针对每个任务手工设计。这样的控制结构可以是复杂的，由于它们需要考虑许多可能的执行路径。第二，为支持利用自然语言的用户交互，用于理解用户问题和回答的模型需要被训练。训练通常要求许多话语(utterances)，即，用户可以在交互期间使用的示例短语。例如，即使是对像“你们的聚会规模是多少？”这样的简单问题，用户可以用许多不同的方式回答，诸如“3”，“我们所有人”，“我和我妻子”或者“不确定，我稍后告诉你”。为了训练鲁棒的模型，开发者必须考虑所有这样可能的短语变体，并且为每个槽和为每个意图提供许多话语。最终，开发者必须为每个槽枚举可能的值以在语言理解中促进槽识别。作为结果，这整个过程要求显著的人工写码，因而阻碍了到新的任务和领域的可扩展性。

槽填充的一个替代方案是基于语料库的方法，其中机器人程序被自动地从过往对话的数据集训练。这种方法已经示出了用于非面向任务的“闲聊”机器人程序的前景，但是不清楚它是否可以独自建模面向任务的机器人程序。完全由机器学习的系统不能保证关键的任务中约束被满足(例如，用户不能在没有指定时间的情况下预约餐厅)，并且它们缺乏模型以确保任务中实际目标的完成。由于特定于领域的对话日志的不足，这些系统也难以训练。

混合方法同样存在。例如，混合代码网络(HCNs)是经由将开发者手动写码的规则与循环神经网络结合，以使机器学习的系统变得实用的方法。HCNs以开发者精力为代价降低了训练数据的量。另一种混合方法是“基于知识的”对话模型，其将来自文本数据(例如，)的知识注入到从对话式数据推导出的模型中以生成信息性的回答。然而，这些模型仅对单回合响应起作用，并且依赖领域中的知识源。

关于这些考虑和其他考虑，呈现本文中做出的公开。

发明内容