聊天机器人如今已无处不在并与众多商业客户互动。但在部署之前它们应该经过全面测试以确保不会令用户感到沮丧或反感。
能够利用人工智能自动完成这项广泛的测试显著减少通常所需的人力时间和成本同时还能提供宝贵的反馈帮助机器人从业者在需要时改进这些对话系统。是一个模块化数据高效的对话生成和模拟框架旨在对商业系统面向任务的聊天机器人进行大规模端到端评估。
目前支持和但可以轻松扩展以支持新的机器人平台。作为一个模块化框架扩展以支持多平台轻而易举。这将是我们未来工作的一部分。
为了提高模型的稳健性和模型的自然性未来还可以整合更高级的和模型并通过在仪表板中添加更多部分页面在修复仪表板中提供更多分析和建议。
我们欢迎开源社区提供任何建设性的反馈和贡献以帮助改进。
探索更多诚邀您深入了解
本博文中讨论的概念请参阅下方链接。欢迎通过社交媒体和我们 手机号数据库列表 的网站与我们联系定期获取本研究项目及其他研究项目的最新消息。
了解更多信息查看我们的技术报告和演示论文其中更详细地描述了我们的工作
联系我们
代码在上查看我们的代码
演示查看我们的演示
在上关注我们
博客要阅读其他博客文章请访问。
主站点要了解有关所有激动人心的项目的更多信息请访 底线总结和未来方向 问我们的主要网站。
关于作者王光森是亚洲
研究院的高级应用科学家致力于对话式人工智能研究包括面向任务的对话系统和自动语音识别。
是亚洲研究院董事总经理负责在亚太地区的人工智能研发工作。他的研究兴趣括 电子邮件线索带领 机器学习和广泛的人工智能应用。
词汇表
实体实体用于识别和提取对话轮次中的信息。例如电子邮件是一个实体表示用户提供的所有可能电子邮件的类型。提取的电子邮件地址是该实体的值。
对话行为源自语言学表示对话轮次的功能例如请求通知。本文中我们使用这个术语的方式略有不同对话行为在本文中指的是通知或请求等动作与实体的组合。例如被视为对话行为。