基础对话的3种类型
问答型机器人
问答型在特定领域的知识库中，找到和用户出的问题语义匹配的知识点，给出合理的答案。有明确的任务目标，但这类型的对话不需要把用户问话中的信息参数化，是针对一定固定规则的提问，都有固定、明确的答案。这类场景最简单。部分实现方式通过关键字识别都可以做。优势是配置简单，立即生效，缺点是时效性较强，维护成本高。
举例：
用户询问：“发货用什么快递？”
机器人回答：“我们家快递都是韵达快递哦。”
任务型机器人
定义：有明确的任务目标，这个目标其实就是用户的意图，同时也会有一些关键信息需要参数化，通过与用户多轮交互，达到任务目标。多轮交互，更接近人类的对话习惯，但是需要设计大量交互过程。
需要和用户询问更多信息的意图，例如尺码咨询问题。比如：用户给定身高、体重，希望了解自己适合的尺码。
任务型对话的难点，如何准确识别用户的意图？
- 如何在意图无法识别的时候给出合理的推荐？
- 如何抽取对话过程中的实体？
- 如何感知用户的情绪？
- 如何解决用户的追问？
- 如何对用户的状态进行追踪？
- 如何在主动和被动之间进行切换？
- 如何做数据管理？
- 如何根据具体意图执行某个动作？
推荐型机器人
定义：根据多维度的信息（用户画像、用户历史购买行为、用户对话中提供的信息等），给用户推荐合适的商品，提高用户寻找商品的效率，升购买转化率。比如：用户给定一些属性（如纯棉、修身），希望推荐合适的上衣。
精准的推荐能给用户带来价值，且用户行为也会反向提升推荐效果。但需要用户画像、购买行为、购买兴趣等信息作为支撑，信息不足时会导致推荐不精准。