陈 鑫，周 强

(1. 大连交通大学 机械工程学院，辽宁 大连 116028；2. 清华大学 计算机科学与技术系 人工智能研究所，北京 100084)

0 引言

近些年，学术界和工业界针对对话技术的研究越来越深入，深度学习相关方法已广泛应用于对话技术研究。基于任务型对话已经涌现了一些工业级的产品,例如，微软小冰、阿里小蜜及百度小度等均能够实现多领域的任务型对话[1]。对于多轮开放型对话，由于其场景自身的特点，研究难度很大，仍是众多研究者深入研究的方向，本文重点对开放型对话技术进行梳理。

本文的研究对象是开放型对话，首先将其形式化描述为： 在无限制主题及无明确对话目的的背景下，可基于检索或生成的方法进行人机对话的交互。同时，对话系统可以分为单轮对话和多轮对话。单轮对话主要考虑基于问题的回答，而多轮对话则更加注重上下文的整体信息，输出更加符合上下文语义的回复。

为更好地进行对话技术的研究与剖析，首先将对话系统从不同角度进行分类。

(1) 按照领域分类，可以分为开放型对话和任务型对话[2]。开放型对话，是指不局限话题的聊天，即对话不存在明确的对话目的，而任务型对话则会有明确的对话目的，用户明确知道自己想要让机器帮助自己完成的内容。但随着小样本、无样本、无监督、自监督、迁移学习、域外检测等系列研究问题的兴起，进一步拓展了对话领域的研究视野。开放型和任务型对话的边界愈加模糊。……