语音助手——整体架构和设计

这一章我们一起来看一下语音助手的整体架构和设计。

一般来讲，一个比较完善的语音助手可以分为：中控部分 + BOT部分，对于一个BOT而言，其实质是一个可以独立运行的服务，包含自己的中控，其内部自成一个小周天，而中控的存在则是处理一些对于各个BOT而言公共的处理，以及各个BOT的分发、排序等功能。如下图：

其中蓝色部分，即为各个BOT，针对系统类型不同，BOT内部的设计也各不相同，比较典型的三个BOT：闲聊BOT、任务BOT、问答BOT，至于各个BOT内部的设计，我们后面章节再详细说。这里我们主要讲解中控系统的设计。图中剩余部分，则包含了：QU、运营干预层、对话管理以及后处理策略层。下面简单讲述下各个模块的作用：

一、QU：

QU为基本语义理解，这里对输入的query做一些公共的基础语义理解，包含实体识别、文本分类、语义角色标注、语义检索、文本改写等，中控和BOT则会根据语义理解的结果进行处理，比如其中语义角色标注、文本分类、语义检索、实体识别可以用于对话管理中BOT的分发和排序、文本改写则用于对输入的query进行纠错，提高下游识别效果。

二、运营干预层：

运营干预层，顾名思义，主要是用于运营干预，适用于两种情况：

1. 某些话术，不想使用其本身的语义，而是想要赋予其特殊的语义来实现特定的效果，例如：“谁是世界上最美的人”，这本是一个疑问句，应该搜索对应的问答结果，但是运营有时会希望其能够打开前置照相机，作为一个小彩蛋，此时就需要这里对query进行干预。

2、某些话术，其结果我们发现并非按照预期执行，此时我们可以在这里对结果进行干预，或者对query进行改写，来实现结果的纠正。

当然，除了运营可以使用外，这一层中我们能做的还有很多，对于一些线上问题，可以在这里通过干预快速处理，避免对更多的用户产生影响，比如可以做BOT分发的干预，返回结果的干预等等。

三、DM层：

对话管理，这里的对话管理主要包含两个功能：BOT的分发和排序，多轮对话。其会利用当前query语义理解的结果、历史上下文、环境上下文来共同决定Action（执行动作）和下一个状态，如下图：

关于中控的分发和排序，多轮会话，这些会在后面的章节中详细讲解。

四、垂类BOT层：

垂类bot层，包含了各个独立的BOT，分别处理各自领域的内容，比如闲聊BOT主要处理闲聊类型的对话，陪用户聊天，问答BOT主要处理知识检索类型的对话，帮助用户搜索知识，闹钟BOT主要处理闹钟相关的语义，音乐BOT主要处理音乐相关的语义等等。不同类型BOT的内部详细设计，我们后面再讲，这里就不展开了。

五、后处理策略层：

后处理策略层中包含：客户端交互，推荐服务，对话策略等。

客户端交互，即为把最终得到的技能结果，进行封装，得到客户端可以执行的结构体。

推荐服务，则负责根据知识图谱、用户画像、产品策略等对当前的用户话术进行一些推荐，比如用户query：“周杰伦是谁”，可以进行关联推荐：“周杰伦行程”，“周杰伦妻子是谁”，“播放周杰伦的歌”等等，也可以根据用户使用习惯和当前地点、时间进行一些个性化推荐，比如：当前晚上10点，可以推荐“定个明天早上8点的闹钟”。推荐服务也是一个单独的内容，后面的章节中我们会单独拿出来讲。

对话策略，这里主要是进行一些特殊的后处理，比如某些场景下，需要关闭某些技能等。