南京网站运营优化推荐

对话状态管理器

核心逻辑是解决键冲突和验证范围有效性，
但需依赖外部输入的正确性。在实际应用中，
可能需要结合用户提示或自动修正逻辑以提高鲁棒性。

NLU 槽 值 对儿

NLU的目的是把自然语言解析成结构化语义。结构化语义有多种表示方式，常用的表示方式为Dialogue Act和槽-值对儿的形式

如图下方State即槽-值对儿形式

在这个场景中，我们可以假设DST更新时每轮是增量补充检索条件或覆盖原有检索条件。根据这个思路，我们设计一个最简单的DST：

func stateUpdate(state, nlu_semantics):

#更新当前槽

for slot in nlu_semantics:

state[slot] = nlu_semantics[slot]

检索后再更新△：仔细推想不难发现，当检索条件堆叠后，会有搜不到满足条件的酒店的情况（比如"type=豪华型，price.range.upper=300"）。此时，我们就需要根据检索结果对状态做二次更新，将最优的检索结果中也不能满足的槽清空。

对话状态跟踪

对话状态跟踪（Dialogue State Tracking, DST）：
作用是根据多轮对话，维护用户的完整意图。

NLU与DST的区别在于，前者重在解析当前轮输入的语义，
而后者关心的是整个对话过程中用户完整意图的变化。

举一个简单的例子，用户第一轮说"评分高的酒店"，
这时已知的意图只有"评分=高"，

而当第二轮用户补充说"豪华型的"，
用户的完整意图就成了"评分=高 AND 类型=豪华型"。

注意，用户意图在对话过程中不一定只是按增量补充的方式变化的，
用户也能修改或重置之前的查询条件，
所以当某一项意图变化时会连带其它项跟随变化

商品价格对话管理

class DialogManager:def __init__(self):self.state = {}def update_state(self, new_state):conflict_keys = []for key, value in new_state.items():if key in self.state and self.state[key] != value:conflict_keys.append(key)for key in conflict_keys:del self.state[key]self.state.update(new_state)if ("price.range.low" in self.stateand "price.range.high" in self.state):if self.state["price.range.low"] > self.state["price.range.high"]:del self.state["price.range.low"]del self.state["price.range.high"]if "price.range.low" in new_state:self.state["price.range.low"] = new_state["price.range.low"]if "price.range.high" in new_state:self.state["price.range.high"] = new_state["price.range.high"]if ("rating.range.low" in self.stateand "rating.range.high" in self.state):if (self.state["rating.range.low"]> self.state["rating.range.high"]):del self.state["rating.range.low"]del self.state["rating.range.high"]if "rating.range.low" in new_state:self.state["rating.range.low"] = new_state["rating.range.low"]if "rating.range.high" in new_state:self.state["rating.range.high"] = new_state["rating.range.high"]def get_state(self):return self.state