跳转至

处理非预期输入

在构建对话机器人时，用户会说出意料之外的话。本页面是用于处理非预期输入的指南。

非预期输入是指偏离定义的预期路径，例如：

  • 用户在沟通订阅的途中离开，然后回来说“hi!”
  • 当对话机器人询问他们的电子邮箱时，用户问“Why do you need to know that?”

本页面是用于处理对话机器人仍在领域内的非预期输入方法的指南。根据尝试处理的非预期输入类型，所描述的部分或全部方法可能适用。本指南不是关于消除用户输入歧义和处理超出范围的问题，对于这些情况，请参见回退和移交人工。

用户插入语

有两种非预期输入：一般性插入语和上下文插入语。一般性插入语是无论上下文如何都应该得到相同响应的干扰中断。如果你已经对意图定义了响应规则，则无需对这种干扰中断执行任何其他操作。FAQ 和闲聊是常见的一般性插入语。上下文插入语的响应取决于对话上下文。例如，如果用户问“Why do you need that?”，则答案取决于机器人刚刚问询的内容。

上下文插入语

处理上下文插入语和处理上下文对话类似。

上下文插入语的一种常见情况是在填写表单时，用户会问“Why do you need to know that?”或“Can you explain that?”。响应会根据槽的不同而不同。例如：

User: Hi

Bot: Hello! I am restaurant search assistant! How can I help?

User: I'm looking for a restaurant

Bot: What cuisine?

User: French

Bot: How many people?

User: Why do you need to know that?

Bot: I need to know how many people are in your party to ensure the restaurant can accomodate you.

Bot: How many people?

上下文插入语

由于我们希望 requested_slot 影响对话，因此我们需要将 requested_slot 槽的属性 influence_conversation 设置为 true，并为其分配分类类型：

domain.yml
slots:
  requested_slot:
    type: categorical
    values:
      - cuisine
      - num_people
      - outdoor_seating
      - preferences
      - feedback
    influence_conversation: true
    mappings:
    - type: custom

这意味着对话模型在进行预测时会关注槽的值（更多信息请参见槽如何影响对话机器人行为）。

你可以根据 requested_slot 的值编写特定响应插入语的故事，例如：

stories.yml
stories:
- story: cuisine interjection
  steps:
  - intent: request_restaurant
  - action: restaurant_form
  - active_loop: restaurant_form
  - slot_was_set:
    - requested_slot: cuisine
  - intent: explain
  - action: utter_explain_cuisine
  - action: restaurant_form

- story: number of people interjection
  steps:
  - intent: request_restaurant
  - action: restaurant_form
  - active_loop: restaurant_form
  - slot_was_set:
    - requested_slot: num_people
  - intent: explain
  - action: utter_explain_num_people
  - action: restaurant_form

总结

如何处理非预期输入取决于响应是否是上下文敏感的。

对于一般性插入语：

对于上下文插入语：

  • 将 requested_slot 设置为一个分类槽（用于表单）
  • 为插入语的特定上下文响应编写故事，在可用的情况下使用槽值