精华内容
下载资源
问答
  • 什么是“人机对话

    2021-07-15 01:52:02
    2007年是全国卫生专业技术资格考试实施人机对话考试形式的第一年,对于一些考生来说,“人机对话”是一个陌生的名词,首次面对这样一种新的考试形式难免会有疑问和担心。其实,人机对话并不神秘,这种新测试形式的...

    2007年是全国卫生专业技术资格考试实施人机对话考试形式的第一年,对于一些考生来说,“人机对话”是一个陌生的名词,首次面对这样一种新的考试形式难免会有疑问和担心。其实,人机对话并不神秘,这种新测试形式的采用是为了进一步提高考试的公平、公正和科学性,而不是将考试复杂化。

    什么是“人机对话”

    人机对话是借助计算机及网络技术对考试进行实施、管理的一种测试形式;它可以根据考试设计的需求,有针对性地进行命题、组卷,并完成试题呈现、接受答案、计分、数据分析以及结果解释等一系列环节。简单地说,考生在以前的纸笔考试中需要阅读纸质试卷,而后在答题卡上填涂答案;而人机对话考试实施后,考生在计算机屏幕上阅读试题,并通过鼠标和键盘操作完成作答。

    考试时间

    2007年度卫生专业技术资格人机对话考试时间晚于纸笔考试。纸笔考试时间在5月26日、27日;人机对话考试将在6月2日、3日两天举行。采用人机对话考试的全科医学、临床医学(专业代码为026至083)58个专业的“专业知识”和“专业实践能力”两个科目的考试将分别在四个半天进行(见表1)。每一专业的“专业知识”、“专业实践能力”科目在同一个半天内完成,每个科目考试时间为90分钟,两个科目考试之间休息60分钟(见表2)。在即将发放的准考证上也会印有考生报考科目的考试时间以及考场安排,建议考生认真阅读。

    题型和题量

    人机对话考试题型均为客观选择题。其中,“专业知识”科目涉及的考试题型包括单选题,共100道:“专业实践能力”科目的考试则将全部采用一种新的题型——案例分析题,共12~15道,每道案例分析题至少3问,平均5~6问,每问的备选答案至少6个,最多12个。下期我们将对人机对话考试中的各种题型做详细介绍。

    与纸笔考试不同的是,在人机对话考试中的某些特定情形下,考生作答操作是“不可逆”的。在进行“专业知识”科目考试时,在某一题型(如“单选题”)的测试过程中,考生是可以随时查看、修改此题型内任何一题的选择答案的,而一旦确认完成作答、进入新的题型时(如结束“单选题”,进入“共用题干单选题”),考生将不能退回到前一测试题型(“单选题”)进行查看和修改答案。在进行“专业实践能力”科目考试时,针对每道案例分析题,只有完成前一个问题才能看到下一问题,并且在确定进入下一问题后是无法对前面问题的作答进行查看和修改的(如当确认完成“第1问”,进入“第2问”后,考生无法查看或修改其“第1问”的选择)。这种情况下,考生既要认真作出回答,也要特别注意合理安排考试时间。在人机对话考试整个过程中,计算机屏幕下方会显示答题进度和考试剩余时间,方便考生控制答题速度和掌握时间。具体题型及题量以实际考试为准。

    计算机操作水平

    人机对话考试较纸笔考试只是测试形式的一种转变,其测试目标仍然是考生的专业知识掌握情况和实际应用能力,而非考生的计算机知识或操作能力。人机对话考试系统提供的是一种接近“傻瓜式”的操作,在整个考试过程,考生通过简单的键盘和鼠标操作就能完成作答,因此并不需要过多的担心。即便如此,考前熟悉考试系统操作和题型仍然是必要的。在考前,卫生部人才交流服务中心将会提供给考生人机对话考试真实场景预演,让考生熟悉考试环境,了解考试题型,具体情况请适时关注中国卫生人才网(www.21wecan.com)。

    复习注意事项

    和纸笔考试一样,考生复习的主要依据是考试大纲。由全国知名专家组成的专家委员会每年都会根据学科进展和岗位需求变化对考试大纲进行修订,并依据考试大纲进行命题。在中医学教`育网 搜集整理级全科医学、临床医学的大纲中,专业知识部分涵盖的考试范围是经专家论证后认为一个考生要成为一名主治医生应该具备的知识和技能;专业实践能力部分的大纲内容则列举了该专业的常见病种诊断及处理原则。

    人机对话考试主要考查考生在临床环境中对知识的应用能力,而不是书本的死记硬背。试题题干内容多数以病例描述为主,考生通过阅读病例,在病例中提取重要信息,然后进行分析诊断作答。因此,“临阵磨枪,不快也光”的复习模式并不适用于这种考试。考生应该注意日常工作中专业知识和实践技能的积累,特别应有意识地加强自己病例分析能力的培养。

    展开全文
  • 原标题:护考人机对话形式详解2016年护士资格考试部分地区采用人机对话形式进行,试卷形式为随机抽取。这一消息引起了准护士朋友的强烈反响,很多人表示对人机对话考试不了解,有顾虑,担心考试形式的改变会影响成绩...

    原标题:护考人机对话形式详解

    2016年护士资格考试部分地区采用人机对话形式进行,试卷形式为随机抽取。这一消息引起了准护士朋友的强烈反响,很多人表示对人机对话考试不了解,有顾虑,担心考试形式的改变会影响成绩。小编近日在网络上搜集整理了有关人机考试的一些资料,供大家参考。

    形式改变内容不变,考生无须过分担心

    人机对话考试的题型与纸笔考试一样,均为客观选择题。考试的新题型(案例分析题)将主观题客观化,一方面继承了选择题的优点,如高信度和高效度,快速出成绩,更容易做数据分析并提供信息反馈等;另一方面,案例分析题着重考查考生综合应用知识的能力,通过计算机实现作答的不可逆性,更接近现实临床情景。

    人机对话的考试方式可以准确地控制考试时间,设定的时间一旦用尽后,计算机将自动收卷,任何考生无法继续作答,确保了考试时间对所有考生的公平性。在人机对话考试整个过程中,计算机屏幕下方会显示答题进度和考试剩余时间,方便考生控制答题速度和掌握时间。对于参加考试人员而言,除掌握专业知识和专业实践能力外,还应掌握计算机的基本操作,熟悉人机对话考试形式、题型和特点,方能取得好成绩。

    哪些地区已确认采取人机对话?

    2016年北京、吉林、上海、江苏、浙江、江西、湖北、湖南、新疆兵团9个考区实施人机对话考试,已有湖北、北京、上海、江西卫生部门证实负责地区为人机对话,具体还要等各地卫生部门官方通知确认。

    往年同类考试人机对话技巧和经验

    (一)人机对话考试形式

    人机对话考试是国内外医学考试发展的方向,是借助计算机及网络技术对考试进行实施、管理的一种测试形式。人机对话考试系统提供的是一种接近“傻瓜式”的操作,在整个考试过程,考生通过简单的键盘和鼠标操作就能完成作答,因此并不需要过多的担心。即便如此,考前熟悉考试系统操作和题型仍然是必要的。

    78f1923c407eb3f2fd48cbc548fb3e1e.png

    人机对话考试的题型与纸笔考试一样,均为客观选择题。人机对话考试的新题型(案例分析题)将主观题客观化,一方面继承了选择题的优点,如高信度和高效度,快速出成绩,更容易做数据分析并提供信息反馈等;另一方面,案例分析题着重考查考生综合应用知识的能力,通过计算机实现作答的不可逆性,更接近现实临床情景。

    人机对话考试可突破传统考试方法表达试题形式的限制,能利用声音、录像、图形等多媒体形式,真正做到视觉和听觉相结合,文字和画面相结合,借助典型病例和各种生动的画面(如典型体征、X线检查、心电图、超声心动图等)营造接近临床实际的环境,通过计算机显示,考生边观察、边分 析、边判断、边回答问题,能较全面、真实地反映出考生解决临床问题的能力和水平。

    (二)考试操作及答题技巧

    1.考试屏幕显示内容

    d7b35b2c231968c1750d753ca01736bb.png

    (1)摘要显示部分:

    摘要显示位于屏幕上部,一般用于显示所考案例描述性文字,如同临床医学题型为“病例摘要”,摘要在本案例的提问没有结束之前始终存在,以使随时为考生提供信息。当下一案例题出现时其自动消失。

    (2)提示、提问及答题操作部分:

    该部分位于屏幕中部。提示,主要结合所提的问题,提供一些参考资料,一般反映病情变化或辅助检查的结果。提问,即需考生回答的问题,通常有6~12个备选答案,考生根据所提供的备选答案直接作答。

    14720cf0b6ee4ddcd654cbd2e605f0fc.png

    (3)图片显示:

    图片可以是医学影像、心电图、脑电图、病理切片及实物图片等。作为答题的参考资料,当屏幕右下方提示可调用图片时,用鼠标点击或按相关键即换屏显示图片。

    (4)计算器的调用:

    考试过程中,有些试题可能需要进行简单的四则运算,如:单位转换、剂量计算等。这时可以用鼠标点击或按相关键在屏幕上调用“计算器”,其使用方法与普通计算器一样。

    2bcdff3b4c421c25eedcbb204ec9f47d.png

    (5)操作提示:

    操作提示部分位于屏幕下部,提示考试剩余时间、题量、当前答题进度,采用两条移动线条的形式,一条表示答题进度(答题进度条),另一条 表示时间进度(时间进度条),通过比较两者长短或完成百分率,形象地反映答题与时间使用的情况,在实际考试中考生应注意两线的进展速度,若时间进度条的进展速度快于答题进度条时反映考生的答题速度较慢。

    f24ac5e2f76e5ac69003f75d0d447739.png

    2.注意事项

    (1)考试进程的单向性:

    考试进程为“只可前进,不可后退”单向操作的原则,主要出于三方面的考虑:

    一是模拟临床、贴近临床。如医生下了医嘱,护士已执行,就无法更改了;

    二是因考试进程的单向性,使命题的思路大为拓宽,题间互为关联,一环扣一环,令考生感觉如在现实工作中对患者进行检查、诊断、治疗;

    三是由于试题提问序贯性的特点,试题后面的提问往往已经明示或暗示出前面提问的答案,因此不允许考生再返回去进行修改。

    在进行“专业知识”科目考试时,在某一题型(如“单选题”)的测试过程中,考生是可以随时查看、修改此题型内任何一题的选择答案的,而一旦确认完成作答、进入新的题型时(如结束“单选题”,进入“不定项选择题”),考生将不能退回到前一测试题型(“单选题”)进行查看和修改答案。在进行“专业实践能力”科 目考试时,针对每道案例分析题,只有完成前一个问题才能看到下一问题,并且在确定进入下一问题后是无法对前面问题的作答进行查看和修改的(如当确认完成 “第l问”,进入“第2问”后,考生无法查看或修改其“第l问”的选择)。因此考生须谨慎、认真作答。

    (2)中断考试:

    考生考试过程中因特殊原因,征得监考老师同意,可以由监考老师按相关键中断考试。如非机器故障,下一次考试必须使用同一台机器,并只能选择断点续考。

    3.题型特点

    试题内容常见以下9个方面的内容:

    (1)与本专业相关的医学基础理论,如解剖学、生理学、生物化学、病理学和免疫学等。试题中出现的形式可能是纯理论问题,也可能是把理论贯穿在临床实际问题之中。

    (2)本专业的临床理论、知识等。

    (3)常见检查结果。

    (4)常用检查结果的分析,主要是临床检验、生物化学、免疫、细菌、病理等检查。

    (5)常见图像资料,主要是X线平片、X线造影片、心电图、超声波、CT、MRI、核素检查等。

    (6)本专业常见病的诊断、治疗和急危重症的处理方法等。

    (7)本专业常用药物的临床药理及使用方法,试题中出现的形式可能是直接提问有关药理的问题,或是通过如何选择药物来测量考生的临床药理知识。

    (8)常见手术的适应证、禁忌证、术前准备、术后处理和术后常见并发症的相关知识。

    (9)常见相关专业的临床问题。

    注意:每一个病例试题,问与问之间往往有紧密的连贯性,一环扣一环,因此在解答问题时要注意温故,联想前面曾经回答过的问题。若解题思路出现偏差,根据此规律及时予以调整。

    (三)评分原则

    选对全部正确选项给满分;选对部分正确选项给一部分分数;选了错误的选项扣分,直至将本小题扣至零分为止;选了无效答案既不给分,也不扣分。评分由计算机自动进行。

    不论考试的题型和形式怎样变化,其目的都是考查考生对本专业临床知识和技能的掌握情况。考试并没有诀窍可言,关键还在于平日努力学习,勤于钻研,注意积累知识和临床经验。在此基础上,了解一些人机对话考试常识和他人的经验与教训,注意考试中容易疏忽的问题,掌握正确的考试方法,对提高考试成绩是大有裨益的。

    最后,福利来了

    扔掉纸笔做题,先用你的手机体验答题吧

    3073f5f58400f300ab202dac309f494f.png

    99c924c223232865260b3f5a89154a23.png

    责任编辑:

    展开全文
  • 人机对话系统具有四大功能 人机对话系统又分下面这三方面:自然语言理解、对话管理、自然语言生成。这里面聊天、知识、任务、推荐,都有各自相应的研究点。具体内容请看PPT。 对话管理(Dialog Management, DM)是...

    人机对话系统具有四大功能
    在这里插入图片描述人机对话系统又分下面这三方面:自然语言理解、对话管理、自然语言生成。这里面聊天、知识、任务、推荐,都有各自相应的研究点。
    在这里插入图片描述


    对话管理(Dialog Management, DM)是对话流程中的核心环节,充当了重要的角色。如图1所示:
    Dialog Management

    图1 对话流程图

    图1 是常见对话流的信息流动图。 首先,用户发出语音指令,1)通过语音识别ASR将语音转换为文本uu; 2) 文本通过语言理解NLU获得用户行为au; 3)通过用户行为生成对应系统行为au; 4)通过action生成对应的回复话术NLG; 5) NLG通过人工合成生成语音。

    Dialog Management

    对话管理(Dialog Management, DM)控制着人机对话的过程,DM 根据对话历史信息,决定此刻对用户的反应。最常见的应用还是任务驱动的多轮对话,用户带着明确的目的如订餐、订票等,用户需求比较复杂,有很多限制条件,可能需要分多轮进行陈述,一方面,用户在对话过程中可以不断修改或完善自己的需求,另一方面,当用户的陈述的需求不够具体或明确的时候,机器也可以通过询问、澄清或确认来帮助用户找到满意的结果。

    对话管理包括如下任务:

    • 对话状态维护(dialog state tracking, DST)
      维护 & 更新对话状态
      t+1 时刻的对话状态 st+1,依赖于之前时刻 t 的状态st,和之前时刻 t 的系统行为at,以及当前时刻 t+1 对应的用户行为at+1。可以写成 s t + 1 ← s t + a t + o t s_{t+1}\leftarrow s_{t} + a_{t} +o_{t} st+1st+at+ot
    • 生成系统决策(dialog policy)
      根据 DST 中的对话状态(DS),产生系统行为(dialog act),决定下一步做什么
      dialog act 可以表示观测到的用户输入(用户输入 -> DA,就是 NLU 的过程),以及系统的反馈行为(DA -> 系统反馈,就是 NLG 的过程)
      DA 的具体介绍将在 NLU 系列中展开
    • 作为接口与后端/任务模型进行交互
    • 提供语义表达的期望值(expectations for interpretation)
      interpretation: 用户输入的 internal representation,包括 speech recognition 和 parsing/semantic representation 的结果

    本质上,任务驱动的对话管理实际就是一个决策过程,系统在对话过程中不断根据当前状态决定下一步应该采取的最优动作(如:提供结果,询问特定限制条件,澄清或确认需求…)从而最有效的辅助用户完成信息或服务获取的任务
    在这里插入图片描述
    如图,DM 的输入就是用户输入的语义表达(或者说是用户行为,是 NLU 的输出)和当前对话状态,输出就是下一步的系统行为和更新的对话状态。这是一个循环往复不断流转直至完成任务的过程,其中,语义输入就是流转的动力,DM 的限制条件(即通过每个节点需要补充的信息/付出的代价)就是阻力,输入携带的语义信息越多,动力就越强;完成任务需要的信息越多,阻力就越强。

    case 1
    在这里插入图片描述
    实际上,DM 可能有更广泛的职责,比如融合更多的信息(业务+上下文),进行第三方服务的请求和结果处理等等。

    Initiative

    对话引擎根据对话按对话由谁主导可以分为三种类型:

    • 系统主导
      系统询问用户信息,用户回答,最终达到目标
    • 用户主导
      用户主动提出问题或者诉求,系统回答问题或者满足用户的诉求
    • 混合
      用户和系统在不同时刻交替主导对话过程,最终达到目标
      有两种类型,一是用户/系统转移任何时候都可以主导权,这种比较困难,二是根据 prompt type 来实现主导权的移交
      Prompts 又分为 open prompt(如 ‘How may I help you‘ 这种,用户可以回复任何内容 )和 directive prompt(如 ‘Say yes to accept call, or no’ 这种,系统限制了用户的回复选择)。

    Basic concepts

    • Ground and Repair
      对话是对话双方共同的行为,双方必须不断地建立共同基础(common ground, Stalnaker, 1978),也就是双方都认可的事物的集合。共同基础可以通过听话人依靠(ground)或者确认(acknowledge)说话人的话段来实现。确认行为(acknowledgement)由弱到强的 5 种方法(Clark and Schaefer 1989)有:持续关注(continued attention),相关邻接贡献(relevant next contribution),确认(acknowledgement),表明(demonstration),展示(display)。

    听话人可能会提供正向反馈(如确认等行为),也可能提供负向反馈(如拒绝理解/要求重复/要求 rephrase等),甚至是要求反馈(request feedback)。如果听话人也可以对说话人的语段存在疑惑,会发出一个修复请求(request for repair),如

    A: Why is that?
    B: Huh?
    A: Why is that? 
    

    还有的概念如 speech acts,discourse 这类,之前陆陆续续都介绍过一些了。
    人的复杂性(complex)、随机性(random)和非理性化(illogical)的特点导致对话管理在应用场景下面临着各种各样的问题,包括但不仅限于:

    Challenges

    模型描述能力与模型复杂度的权衡

    • 用户对话偏离业务设计的路径
      如系统问用户导航目的地的时候,用户反问了一句某地天气情况
    • 多轮对话的容错性
      如 3 轮对话的场景,用户已经完成 2 轮,第 3 轮由于ASR或者NLU错误,导致前功尽弃,这样用户体验就非常差
    • 多场景的切换和恢复
      绝大多数业务并不是单一场景,场景的切换与恢复即能作为亮点,也能作为容错手段之一
    • 降低交互变更难度,适应业务迅速变化
    • 跨场景信息继承

    Approaches

    1) Structure-based Approaches

    1. Key Pharse Reactive Approaches
      本质上就是关键词匹配,通常是通过捕捉用户最后一句话的关键词/关键短语来进行回应,比较知名的两个应用是 ELIZA 和 AIML。AIML (人工智能标记语言),XML 格式,支持 ELIZA 的规则,并且更加灵活,能支持一定的上下文实现简单的多轮对话(利用 that),支持变量,支持按 topic 组织规则等。
    <category>
    <pattern>DO YOU KNOW WHO * IS</pattern> 
    <template><srai>WHO IS <star/></srai></template> 
    </category>
    
    <category>
    <pattern>MOTHER</pattern>
    <template> Tell me more about your family. </template> 
    </category>
    
    <category>
    <pattern>YES</pattern>
    <that>DO YOU LIKE MOVIES</that> 
    <template>What is your favorite movie?</template> 
    </category>
     
    
    1. Trees and FSM-based Approaches
      Trees and FSM-based approach 通常把对话建模为通过树或者有限状态机(图结构)的路径。 相比于 simple reactive approach,这种方法融合了更多的上下文,能用一组有限的信息交换模板来完成对话的建模。这种方法适用于:
    • 系统主导
    • 需要从用户收集特定信息
    • 用户对每个问题的回答在有限集合中
      这里主要讲 FSM,把对话看做是在有限状态内跳转的过程,每个状态都有对应的动作和回复,如果能从开始节点顺利的流转到终止节点,任务就完成了。
      在这里插入图片描述
      在这里插入图片描述

    FSM 的状态对应系统问用户的问题,弧线对应将采取的行为,依赖于用户回答。

    FSM-based DM 的特点是:

    • 人为定义对话流程
    • 完全由系统主导,系统问,用户答
    • 答非所问的情况直接忽略
    • 建模简单,能清晰明了的把交互匹配到模型
    • 难以扩展,很容易变得复杂
    • 适用于简单任务,对简单信息获取很友好,难以处理复杂的问题
    • 缺少灵活性,表达能力有限,输入受限,对话结构/流转路径受限

    对特定领域要设计 task-specific FSM,简单的任务 FSM 可以比较轻松的搞定,但稍复杂的问题就困难了,毕竟要考虑对话中的各种可能组合,编写和维护都要细节导向,非常耗时。一旦要扩展 FSM,哪怕只是去 handle 一个新的 observation,都要考虑很多问题。实际中,通常会加入其它机制(如变量等)来扩展 FSM 的表达能力。

    2) Principle-based Approaches

    1. Frame-based Approaches
      Frame-based approach 通过允许多条路径更灵活的获得信息的方法扩展了基于 FSM 的方法,它将对话建模成一个填槽的过程,槽就是多轮对话过程中将初步用户意图转化为明确用户指令所需要补全的信息。一个槽与任务处理中所需要获取的一种信息相对应。槽直接没有顺序,缺什么槽就向用户询问对应的信息。
      在这里插入图片描述
      Frame-based DM 包含下面一些要素:

    Frame: 是槽位的集合,定义了需要由用户提供什么信息
    对话状态:记录了哪些槽位已经被填充
    行为选择:下一步该做什么,填充什么槽位,还是进行何种操作
    行为选择可以按槽位填充/槽位加权填充,或者是利用本体选择
    基于框架/模板的系统本质上是一个生成系统,不同类型的输入激发不同的生成规则,每个生成能够灵活的填入相应的模板。常常用于用户可能采取的行为相对有限、只希望用户在这些行为中进行少许转换的场合。

    Frame-based DM 特点:

    • 用户回答可以包含任何一个片段/全部的槽信息
    • 系统来决定下一个行为
    • 支持混合主导型系统
    • 相对灵活的输入,支持多种输入/多种顺序
    • 适用于相对复杂的信息获取
    • 难以应对更复杂的情境
    • 缺少层次
      槽的更多信息可以参考填槽与多轮对话 | AI产品经理需要了解的AI技术概念

    Agenda + Frame(CMU Communicator)

    Agenda + Frame(CMU Communicator) 对 frame model 进行了改进,有了层次结构,能应对更复杂的信息获取,支持话题切换、回退、退出。主要要素如下:

    • product
      树的结构,能够反映为完成这个任务需要的所有信息的顺序
      相比于普通的 Tree and FSM approach,这里产品树(product tree)的创新在于它是动态的,可以在 session 中对树进行一系列操作比如加一个子树或者挪动子树
    • process
      • agenda
        相当于任务的计划(plan)
        类似栈的结构(generalization of stack)
        是话题的有序列表(ordered list of topics)
        是 handler 的有序列表(list of handlers),handler 有优先级
      • handler
        产品树上的每个节点对应一个 handler,一个 handler 封装了一个 information item

    从 product tree 从左到右、深度优先遍历生成 agenda 的顺序。当用户输入时,系统按照 agenda 中的顺序调用每个 handler,每个 handler 尝试解释并回应用户输入。handler 捕获到信息就把信息标记为 consumed,这保证了一个 information item 只能被一个 handler 消费。

    input pass 完成后,如果用户输入不会直接导致特定的 handler 生成问题,那么系统将会进入 output pass,每个 handler 都有机会产生自己的 prompt(例如,departure date handler 可以要求用户出发日期)。

    可以从 handler 返回代码中确定下一步,选择继续 current pass,还是退出 input pass 切换到 output pass,还是退出 current pass 并等待来自用户输入等。handler 也可以通过返回码声明自己为当前焦点(focus),这样这个 handler 就被提升到 agenda 的顶端。为了保留特定主题的上下文,这里使用 sub-tree promotion 的方法,handler 首先被提升到兄弟节点中最左边的节点,父节点同样以此方式提升。
    在这里插入图片描述
    系统还能处理产品树中节点之间的依赖关系。典型的依赖关系在父节点和子节点之间。通常父节点的值取决于其子节点。每个节点都维护一个依赖节点的列表,并且会通知依赖节点值的变化,然后依赖节点可以声明自己是无效的并成为当前对话的候选主题。

    给一个例子,能够回应用户的显式/隐式话题转移(A1-A3, U11),也能够动态添加子树到现有的 agenda(A8-A10)。
    在这里插入图片描述
    具体还是看论文吧
    AN AGENDA-BASED DIALOG MANAGEMENT ARCHITECTURE FOR SPOKEN LANGUAGE SYSTEMS

    Information-State Approaches

    Information State Theories 提出的背景是:

    • 很难去评估各种 DM 系统

    • 理论和实践模型存在很大的 gap
      理论型模型有:logic-based, BDI, plan-based, attention/intention
      实践中模型大多数是 finite-state 或者 frame-based
      即使从理论模型出发,也有很多种实现方法
      因此,Information State Models 作为对话建模的形式化理论,为工程化实现提供了理论指导,也为改进当前对话系统提供了大的方向。Information-state theory 的关键是识别对话中流转信息的 relevant aspects,以及这些成分是怎么被更新的,更新过程又是怎么被控制的。idea 其实比较简单,不过执行很复杂罢了。理论架构如下:
      在这里插入图片描述
      介绍下简单的一些要素:

    • Statics

      • Informational components
        包括上下文、内部驱动因子(internal motivating factors)
        e.g., QUD, common ground, beliefs, intentions, dialogue history, user models, etc.
      • Formal representations
        informational components 的表示
        e.g., lists, records, DRSs,…
    • Dynamics

      • dialog moves
        会触发更新 information state 的行为的集合
        e.g., speech acts
      • update rules
        更新 information state 的规则集合
        e.g., selection rules
      • update strategy
        更新规则的选择策略,选择在给定时刻选用哪一条 update rules
        意义在于可以遵循这一套理论体系来构建/分析/评价/改进对话系统。基于 information-state 的系统有:
        TrindiKit Systems
        –  GoDiS (Larsson et al) – information state: Questions Under Discussion
        –  MIDAS – DRS information state, first-order reasoning (Bos &Gabsdil, 2000)
        –  EDIS – PTT Information State, (Matheson et al 2000)
        –  SRI Autoroute –Conversational Game Theory (Lewin 2000)
        Successor Toolkits
        –  Dipper (Edinburgh)
        –  Midiki (MITRE)
        Other IS approaches
        –  Soar (USC virtual humans)
        –  AT&T MATCH system

    Plan-based Approaches

    一般指大名鼎鼎的 BDI (Belief, Desire, Intention) 模型。起源于三篇经典论文:

    • Cohen and Perrault 1979
    • Perrault and Allen 1980
    • Allen and Perrault 1980
      基本假设是,一个试图发现信息的行为人,能够利用标准的 plan 找到让听话人告诉说话人该信息的 plan。这就是 Cohen and Perrault 1979 提到的 AI Plan model,Perrault and Allen 1980 和 Allen and Perrault 1980 将 BDI 应用于理解,特别是间接言语语效的理解,本质上是对 Searle 1975 的 speech acts 给出了可计算的形式体系。

    官方描述(Allen and Perrault 1980):

    A has a goal to acquire certain information. This causes him to create a plan that involves asking B a question. B will hopefully possess the sought information. A then executes the plan, and thereby asks B the question. B will now receive the question and attempt to infer A’s plan. In the plan there might be goals that A cannot achieve without assistance. B can accept some of these obstacles as his own goals and create a plan to achieve them. B will then execute his plan and thereby respond to A’s question.

    重要的概念都提到了,goals, actions, plan construction, plan inference。理解上有点绕,简单来说就是 agent 会捕捉对 internal state (beliefs) 有益的信息,然后这个 state 与 agent 当前目标(goals/desires)相结合,再然后计划(plan/intention)就会被选择并执行。对于 communicative agents 而言,plan 的行为就是单个的 speech acts。speech acts 可以是复合(composite)或原子(atomic)的,从而允许 agent 按照计划步骤传达复杂或简单的 conceptual utterance。

    这里简单提一下重要的概念。

    • 信念(Belief)
      基于谓词 KNOW,如果 A 相信 P 为真,那么用 B(A, P) 来表示
    • 期望(Desire)
      基于谓词 WANT,如果 S 希望 P 为真(S 想要实现 P),那么用 WANT(S, P) 来表示,P 可以是一些行为的状态或者实现,W(S, ACT(H)) 表示 S 想让 H 来做 ACT

    Belief 和 WANT 的逻辑都是基于公理。最简单的是基于 action schema。每个 action 都有下面的参数集:

    • 前提(precondition)
      为成功实施该行为必须为真的条件
    • 效果(effect)
      成功实施该行为后变为真的条件
    • 体(body)
      为实施该行为必须达到的部分有序的目标集(partially ordered goal states)

    计划推理(Plan Recognition/Inference, PI)
    根据 B 实施的行为,A 试图去推理 B 的计划的过程。

    • PI.AE Action-Effect Rule(行为-效果规则)
    • PI.PA Precondition-Action Rule(前提-行为规则)
    • PI.BA Body-Action Rule(体-行为规则)
    • PI.KB Know-Desire Rule(知道-期望规则)
    • E1.1 Extended Inference Rule(扩展推理规则)

    计划构建(Plan construction)

    找到从当前状态(current state)达到目标状态(goal state)需要的行为序列(sequence of actions)
    Backward chaining,大抵是说,试图找到一个行为,如果这个行为实施了能够实现这个目标,且它的前提在初始状态已经得到满足,那么计划就完成了,但如果未得到满足,那么会把前提当做新的目标,试图满足前提,直到所有前提都得到满足。(find action with goal as effect then use preconditions of action as new goal, until no unsatisfied preconditions)
    backward chaining 在 NLP 笔记 - Meaning Representation Languages 中提到过。
    还有个重要的概念是 speech acts,在 NLP 笔记 - Discourse Analysis 中提到过,之后会细讲。

    更多见 Plan-based models of dialogue

    值得一提的是,基于 logic 和基于 plan 的方法虽然有更强大更完备的功能,但实际场景中并不常用,大概是因为大部分的系统都是相对简单的单个领域,任务小且具体,并不需要复杂的推理。

    Statistical Approaches

    1. RL-Based Approaches
      前面提到的很多方法还是需要人工来定规则的(hand-crafted approaches),然而人很难预测所有可能的场景,这种方法也并不能重用,换个任务就需要从头再来。而一般的基于统计的方法又需要大量的数据。再者,对话系统的评估也需要花费很大的代价。这种情况下,强化学习的优势就凸显出来了。RL-Based DM 能够对系统理解用户输入的不确定性进行建模,让算法来自己学习最好的行为序列。首先利用 simulated user 模拟真实用户产生各种各样的行为(捕捉了真实用户行为的丰富性),然后由系统和 simulated user 进行交互,根据 reward function 奖励好的行为,惩罚坏的行为,优化行为序列。由于 simulated user 只用在少量的人机互动语料中训练,并没有大量数据的需求,不过 user simulation 也是个很难的任务就是了。
      在这里插入图片描述

    参考文献

    展开全文
  • 无论学何种语言,教材指导的第一步就是编写一段简单代码执行 "Hello world!..."" TITLE="C-跨越人机对话的第一步"Helloworld!"" />选择 File 菜单,选择 New 新建,选择 Source File新建,这里的意思是,建立...

    无论学何种语言,教材指导的第一步就是编写一段简单代码执行 "Hello world!"

    仿佛是我们在告知电脑,我要进入你的世界了。C语言的执行代码是如何编写的哪,这里作如下介绍。

    使用

    Dev c++软件

    "Helloworld!"" TITLE="C-跨越人机对话的第一步"Helloworld!"" />

    选择 File 菜单,选择 New 新建,选择 Source File

    新建,这里的意思是,建立一个C语言源代码文件。在右边的代码编写框中写入执行代码。

    #include

    void

    main()

    {

    printf("Hello

    world!\n");/* printf

    C语言程序的输出函数,因为需要输入一段

    字符,将需要输入的字符用""括起来。

    }

    注视:头文件必须的,主函数必须的,大括号必须的。大括号内表示编写的内容,内容即编写的函数。

    "Helloworld!"" TITLE="C-跨越人机对话的第一步"Helloworld!"" />

    Ctrl+S 保存文件,保存的时候请注意,文件类型请选择C源文件。

    "Helloworld!"" TITLE="C-跨越人机对话的第一步"Helloworld!"" />

    提示:请专门建议一个文件夹,文件名尽量简短,以便以后执行操作。保存结束后,选择快捷编译代码按钮。

    "Helloworld!"" TITLE="C-跨越人机对话的第一步"Helloworld!"" />

    第一个是 compile (编译),第二个是 run (运行),第三个 compile+run(编译并运行)

    原则是先编译再运行,请根据规则进行操作。编译成功后会生成一个可执行EXE文件,代表代码编译成功。

    "Helloworld!"" TITLE="C-跨越人机对话的第一步"Helloworld!"" />

    一个是C源文件,一个是与之对应的EXE可执行文件。在Dev选择Run

    按钮可直接执行EXE文件结果,或者在指定的文件夹里面直接双击EXE文件运行。当然你运行EXE文件运行将一闪而过,你看不到运行结果。如何看到运行结果,请大家不要着急。这里我们需要进入DOS程序进行命令运行。如何进入DOS程序,在开始菜单中,选择‘运行’菜单,弹出DOS界面。在打开中输入CMD,调出DOS程序。"Helloworld!""

    TITLE="C-跨越人机对话的第一步"Helloworld!"" />

    我的C可执行文件EXE,是保存在G盘的C-test文件夹里面的。因此在DOS系统里面进入该文件,输入文件路径名即可。

    >g:

    ‘进入G盘’

    >cd

    c-test‘进入C-TEST’文件

    >one‘运行

    one.exe’可执行文件

    "Helloworld!"" TITLE="C-跨越人机对话的第一步"Helloworld!"" />

    DOS会运行EXE文件,显示"Hello world!"执行结果。这就是你编写C,运行C,执行EXE文件的结果了。

    欢迎爱好者们进入C的世界!

    展开全文
  • 人机对话考试是什么意思人机对话考试是指借助计算机及网络技术,根据考试设计的需求,有针对性地进行命题、组卷,并完成试题呈现、接受答案、计分、数据分析以及结果解释等一系列环节的考试评价实践过程。...
  • 自己随便写了一个人机交互的程序。不存在任何智能,只是可以识别姓名,可以记录对话内容,并保存等到下一次交互时加载。 (推荐面向对象版本)# hello.py# 这是老早写的。不过今天加入了Pickle,然后润色了一下。# ...
  • 下面,考必过小编为大家整理了关于2020年检验主管技师考试人机对话模拟练习指南的信息,希望可以帮助到大家,下面我们就一起来看下2020年检验主管技师考试人机对话模拟练习指南的具体内容吧!2020年检验主管技师考.....
  • 原标题:必看|什么是人机对话考试! 一、什么是人机对话考试人机对话考试是指借助计算机及网络技术,根据考试设计的需求,有针对性地进行命题、组卷,并完成试题呈现、接受答案、计分、数据分析以及结果解释等一系列...
  • 医学教育网搜集整理卫生资格考试人机对话常见问题,分享给大家,如下:什么是“人机对话人机对话是借助计算机及网络技术对考试进行实施、管理的一种测试形式;它可以根据考试设计的需求,有针对性地进行命题、组卷...
  • 文章目录人机对话考试考生操作指南1.开考前1.1、考生入场1.2 、考生点击“进入考场”,录入准考证号和身份证号1.3、 核对考试信息,进入开考倒计时界面。2.考试中2.1、开始考试2.2、开始答题3、交卷考生须知 人机...
  • 护士考试人机对话考试怎么考,有什么注意事项,新东方在线医学网为考生整理如下:­ 1、2018年护士资格考试拟定于5月5日~7日举行。­ 2、2018年护士执业资格考试将全面推行机考。­ 完整版:中国卫生人才网2018...
  • 原标题:@护考生|【最全】人机对话考试详细操作流程来咯!赶紧收藏起来~导语:关于2020年的护士资格考试,最近很多小伙伴关心的一个问题就是:2020年护士资格考试能自己带草稿纸吗?没有稿纸怎么办?2020护士人机...
  • 原标题:人机对话操作步骤详解,2020主管护师考生必看!距离2020年卫生资格考试不到100天了。 2020年度卫生资格考试除初级护师外采用人机对话的方式进行。很多考生第一次接触人机对话考试形式,那么人机对话考试怎么...
  • 护考人机对话pc

    2021-07-28 09:44:31
    爱意小编为用户提供的护考人机对话模拟考试软件是一款极其专业的考试软件,软件上为用户提供了海量丰富的学习资源,并以真实考试的形式流程来为用户展现,让用户在不断练习中,能更好地掌握知识,适应考场,取得不错...
  • 学好英语,和外国沟通就方便了。 2.我已经学习英语多年。我非常喜欢英语。 3.上课时我认真听讲、课后我喜欢向老师提问,周末我经常听英语歌曲、看英语电影。 4.我希望能结交一位美国笔友来提高我的写作水平。 (二...
  • 1英语 人机对话考试技巧目前要在英语口语人机对话中获得好的成绩,除了了解测试的特点之外,还需掌握一定的技巧、这对提高英语口语人机对话成绩将起到事半功倍的作用。接下来小编告诉你英语人机对话考试技巧。调整...
  • 原标题:【大揭秘】2018“人机对话”康复医学治疗技术专业技术资格考试昨天,关于“2018年康复医学治疗技术专业技术资格考试采用人机对话考试方式”的通知一经发出,瞬间在各个微信群和公众号后台引起一波讨论热潮。...
  • 昨日,广州外国语学校2018年初中招生工作方案正式出炉,今年该校计划招生300人,符合条件的学生可以“自我推荐”方式报名,学校将按学生外语综合能力人机对话的成绩择优录取,目前招生方案已经广州市教育局同意。...
  • 近期,全国大部分中小学陆续进入期末考试,在英语听说部分,越来越多的地方开始借助智能化学习平台进行人机对话听说测试。2020-2021 学年度第一学期,广东省佛山市依托翼课“人机对话”智能听说考试系统进行区域统考...
  • 本次初级检验技师考试采用人机对话的方式,所有环球网校小编为您整理了“2019年初级检验技师考试人机对话考试操作步骤及注意事项”,,希望能对您有所帮助。人机对话的一大特点就是题型之间操作不可逆。具体说来就是...
  • 这是项目的要求也是需求 简单解读一下:1.把需要提取的(训练集)文件句子先调用jieba库分词,然后去停用词,得到词组 2.... 3.... 4....下面是一部分代码,因为最后的结果使用svm比较繁琐,所以之后又重新写了一份在.....
  • 原标题:主管护师考试第二天,你看出人机对话考试的规律了吗? “蒙题”技巧大公开!考题不会做咋办?这些办法很管用!今天就是主管护师考试第二天了。针对人机对话答题系统,有什么做题诀窍吗?小编传授给9月26、27...
  • 全市有5853名工勤人员参加本报讯(记者马月红)7月6日,记者从市人力资源和社会保障局获悉,我市机关事业单位工勤技能岗位等级人机对话考试工作已于7月2日正式开始,共有5853名工勤技能人员参加,涉及133个工种。...
  • 截止至目前,全国已有近50个城市将英语听说人机对话考试纳入中考范畴。作为国内真正有中高考实施经验并被官方认可评分性能的两家厂商之一,驰声从2012年起就受邀参与广东、广西、宁夏、辽宁等多个省市的中高考英语...
  • 人机对话考试是考生在计算机屏幕上阅读试题,并通过鼠标和键盘操作完成作答,而不同于以前的纸笔考试需要阅读纸质试卷,而后在答题卡上填涂答案。与纸笔考试不同的是,人机对话考生作答操作是“不可逆”的。在进行...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 79,522
精华内容 31,808
关键字:

人机对话

友情链接: 软件.rar