摘要

本文介绍了Talkamatic Dialogue Manager（TDM）在谈判对话方面的初步实现，这是Tala项目第一阶段的一部分。TDM是一个商业化的对话AI平台，旨在通过引入谈判对话功能，扩展其应用范围，并简化开发者对通用对话现象的特定领域解决方案的需求。论文详细描述了TDM如何通过数据收集和分析，识别并实现了一系列与谈判对话相关的新特性，如询问替代方案、知识前提问题和修改搜索标准等。这些新特性使得TDM能够更灵活地处理复杂的对话流程，提高对话系统的自然性和效率。

原理

TDM的设计基于两个核心原则：一是应用通用解决方案解决通用问题，二是避免混合不同类型的知识。这种设计使得TDM能够将领域特定的知识（如电话或导航）与通用对话知识分离，从而允许开发者专注于定义领域特定的知识，如语义本体和相应的自然语言形式。TDM的架构中，对话的整体逻辑由TDM自身控制，而领域特定的知识，如对话计划中的信息依赖关系，则存储在对话域描述（DDDs）中。这种分离确保了在构建新应用时，无需扩展或修改对话管理器本身。

流程

TDM的工作流程包括数据收集、对话现象识别、特性实现和对话管理。在数据收集阶段，通过模拟用户与系统的文本聊天，收集对话数据。在分析阶段，识别出需要在新版本TDM中实现的谈判对话现象。例如，系统能够处理用户询问替代方案的对话，如询问多个匹配项的年龄信息。此外，TDM还支持知识前提问题（KPQs），这是一种间接询问用户是否知道某个信息的对话方式，有助于系统更自然地引导对话。最后，TDM允许用户在对话过程中修改搜索标准，如在获取一个电话号码后，用户可以进一步询问其他匹配项的信息。

应用

TDM的谈判对话功能扩展了其在多个领域的应用潜力，特别是在需要复杂对话管理和用户交互的场景中，如客户服务、信息查询和任务导向的对话系统。通过提供更灵活和自然的对话体验，TDM有望在未来的对话AI市场中占据重要地位，特别是在需要高度个性化和交互性的应用中。