目前市场上对话机器人主要分为三种：问答机器人、任务机器人、闲聊机器人。此次主要简要介绍商用的问答机器人和任务机器人以及RPA与对话机器人的案例分享。
与“对话技术”相关的一些基础概念。
知识点
无意图知识点
意图
词槽
实体
句式标注
对话单元
智能填槽
一、问答机器人
二、任务机器人
句式标注：
句式是包含实体或词槽的特定形式的句子。对句式进行标注的操作，称为句式标注。句式标注可以提高填槽的准确率，提高意图触发率。
举例：
“从 @出发城市：城市 到 @到达城市：城市 ”这个句式（@代表词槽），可以实现用户说“从A市到B市”这样形式的句子时，触发某个意图，并且A市和B市可以准确地填入“出发城市”和“到达城市”词槽中。
对话单元：
对话单元是一个抽象的概念，是定义意图所需要的最小关键节点。机器人开始一个任务、机器人与用户的一次对话互动、机器人调取一次接口、机器人做一次判断，都分别是一个对话单元。
智能填槽：
通过用户消息与实体值进行文字和汉字拼音的相似度匹配，可以在用户输入错字的情况下，依然能抽取到实体值，从而提高填槽成功率的功能。
举例：
比如定义“城市”实体一个实体值是“北京”，没有设置其他的说法，询问单元关联词槽“出发城市”，词槽关联实体是“城市”。机器人询问时，用户原本想要回复“北京”，而由于用户输错，或语音识别错，机器人实际得到的用户消息为“北疆”。这时，实体抽取会失败，启动智能填槽，用相似匹配的方式成功抽取实体值“北京”。
RPA+AI
对话机器人可以很好的与人进行交互，而RPA则可以根据交互后的指令进行自动化操作，两者的结合会促进企业进行更高级的服务升级。
RPA+AI 案例分享
机票自动查询机器人
机票自动查询机器人是通过与对话机器人进行语音交互，来让机器人自动在网站查询指定日期从哪到哪的机票信息。当我们说到“帮我查明天去上海的机票”的时候，会通过ASR自动将语音转换成文本，再由NLU进行自然语言理解，机器人会触发用户想要查询机票的意图，然后自动进行实体抽取，根据“明天”计算出明天的出发日期2020年3月28日，以及目的地上海，机器人同时会将当前用户消息中的实体填充到词槽中，发现出发地是空的，这个时候机器人会发出询问，通过NLG进行自然语言生成，再用TTS进行语音合成，来和人进行语音交互“请问你从哪里出发”，来获取出发地。
当任务机器人获取到所有的查询条件以后，会生成信息表格，RPA通过自动获取信息表格，然后自动登录携程网站，并进行结果信息展示。
-END-
作者简介：鄂攀, RPA+AI咨询顾问,致力于RPA+AI领域的持续探究与分享。
微信公众号：RPA领域先驱者（ID：RPA-Digital-Power）
