欢迎大家来学习第三章的第三节，梳理业务要素和知识库。
首先，确定优先级和关键信息要素。
以订票为例，它的第一优先级是订票、退票、改签和查询，其次是各种规章制度等常见问题的解答，第三是天气查询，最后是简答的问候和答谢。
基于以上提到的要点，先列出订票相关的要素，有出发时间、出发站点、到达站点、火车类型、车次、以及座位信息；除此之外还有个人信息，包括姓名、手机号、身份证号、性别、会员等等；账户信息包括订单，订单的状态，代付款、未出行、账户余额、优惠券和积分；票务的状态，如拍下待支付、拍下未支付等等。需要尽可能多而全的列出所有的关键信息。
其次，多维度展示状态元素的信息。
例如，出发可以列出时间、地点、天气；到达同样有时间、地点、天气等等。
因为机器人的对话实际上就是状态到状态之间转换的有向图。只有把所有的信息列的尽可能全，后续整个的训练流程，包括流程图的绘制，才会更加的顺畅，才能避免信息丢失。
最后，机器人任务要素梳理，即定义变量。
以订机票为例，它的领域是订机票，意图是查询飞机票，属性（或称词槽）包括字段名称、字段类型、取值示例和字段说明。比如说time字段，类型是DATETIME，取值可以有明天、后天等等，字段说明是时间；再比如from_geo字段，类型是GEO-INFO（即地理位置），取值可以是北京，字段说明是出发地；再包括from_airport出发机场字段等等，这些都是基础变量信息。
建议读者在实操时，先列出所有的状态表，再依据状态表，依据这些状态元素去完成如上图的任务要素梳理表。定义好每个字段信息、类型、示例和说明。是一个必不可少的准备工作。
还需要说明一点，机器任务要素梳理时，即定义变量时如何处理一些更复杂的例子。
例如，早晨、早上、清晨，如何进行参数化的定义。也就是说，当用户说早上时，代表着什么样的数值，这是一个很难直接回答的问题，不同的情况也不一样，所以可以有多种方式。
比如，可以把它定义成一个时间段，从6点到8点；或者定义早上就是7点；上午定义成8点到12点；再或者把上午定义成一个折中的10点。
同理，中午可以定义成11点到13点；或者定义成12点等等。
因此，在差旅场景中，如果用户说要订一张机票：“帮我订一张早上去北京的”。具体落地时，早上参数化的表示，在具体场景是不一样的。在此例当中，根据如上的表格，可以将变量早上定义为6到8点。
如上，是一个相对更加复杂的变量定义的方法，希望读者能够把这些方法，灵活运用到聊天机器人梳理任务要素的环节当中。
这就是这一节讲的内容，谢谢大家！
