[论文解读] An Ontology-Based Dialogue Management System for Banking and Finance Dialogue Systems

Duygu Altinok|arXiv (Cornell University)|Apr 13, 2018

Natural Language Processing Techniques参考文献 2被引用 27

一句话总结

本文提出 OntoDM，一种基于本体的银行与金融聊天机器人对话管理系统，通过利用领域特定本体来维护对话状态、解析回指并借助金融产品与实体的结构化知识引导对话。通过将本体同时作为知识库和对话控制机制，该系统增强了德语银行应用中的上下文跟踪与对话记忆，尽管目前尚未报告定量指标。

ABSTRACT

Keeping the dialogue state in dialogue systems is a notoriously difficult task. We introduce an ontology-based dialogue manage(OntoDM), a dialogue manager that keeps the state of the conversation, provides a basis for anaphora resolution and drives the conversation via domain ontologies. The banking and finance area promises great potential for disambiguating the context via a rich set of products and specificity of proper nouns, named entities and verbs. We used ontologies both as a knowledge base and a basis for the dialogue manager; the knowledge base component and dialogue manager components coalesce in a sense. Domain knowledge is used to track Entities of Interest, i.e. nodes (classes) of the ontology which happen to be products and services. In this way we also introduced conversation memory and attention in a sense. We finely blended linguistic methods, domain-driven keyword ranking and domain ontologies to create ways of domain-driven conversation. Proposed framework is used in our in-house German language banking and finance chatbots. General challenges of German language processing and finance-banking domain chatbot language models and lexicons are also introduced. This work is still in progress, hence no success metrics have been introduced yet.

研究动机与目标

• 解决在银行与金融聊天机器人中保持准确对话状态的挑战。
• 通过领域特定本体改善上下文理解与回指解析。
• 将对话管理与知识表示整合到金融领域应用的统一框架中。
• 通过金融本体中的结构化实体追踪支持对话记忆与注意力机制。
• 解决德语金融对话系统中的语言与领域特定挑战。

提出的方法

• 系统以领域本体作为核心知识库，将金融产品、服务与实体建模为类与关系。
• 通过跟踪对应于金融产品与服务的本体节点（实体）来维护对话状态。
• 通过基于上下文与语义相似度将代词与指代映射到特定本体节点，实现回指解析。
• 结合语言分析与关键词排名，通过本体遍历引导对话流程与意图识别。
• 框架整合了对话管理与知识表示，支持根据用户输入动态更新对话状态。
• 系统在内部实现并测试于德语银行聊天机器人中，解决了德语文本处理与金融词汇表中的挑战。

实验结果

研究问题

• RQ1 如何有效利用领域本体来维护银行与金融聊天机器人的对话状态？
• RQ2 本体在金融对话中如何支持回指解析与上下文追踪？
• RQ3 如何将语言方法与领域特定的关键词排名结合本体以改善对话管理？
• RQ4 在德语金融应用中应用基于本体的对话系统会面临哪些挑战？
• RQ5 如何利用结构化领域知识对对话记忆与注意力机制进行建模？

主要发现

• OntoDM 框架成功地将对话管理与知识表示整合，以领域本体作为统一基础。
• 系统通过将金融产品与服务建模为本体中的第一类实体，实现了有效的对话状态追踪。
• 通过将代词与指代语义映射到特定本体节点，提升了回指解析效果。
• 框架通过在对话轮次间持续维护对关键实体的引用，支持对话记忆。
• 系统解决了德语语言处理与金融领域词汇表中的特定挑战，尽管尚未报告定量成功指标。