用户模拟器是在任务型多轮对话场景中，用于模拟用户在指定目标下多轮对话过程，可以用于生成对话数据，以及通过强化的方式训练系统决策。在具体的任务型场景需要定义有哪些用户行为、用户意图、用户可能说的槽位等，而之后用户模拟器是怎么来推进对话过程的呢？

论文：A User Simulator for Task-Completion Dialogues

代码地址： https://github.com/MiuLab/TC-Bot

本文首先简单介绍用户模拟器方法，再从源码细节分析具体多轮对话中的用户模拟器应该如何构建。

用户模拟器

用户行为user action

首先第一步就是确定用户会有哪些action，以及action对应的意图、槽位有哪些，这个与具体的任务有关。但是很对最近的论文都是复用剑桥提出的DSTC2/3（餐馆预订）中对用户action的定义，那么他们定义了哪些呢：

例子：

[{"act":"confirm", "slots":[["area", "centre"]]},
 {"act":"request", "slots":[["slot", "phone"]]},
 {"act":"deny", "slots":[["area","north"]]},
 {"act":"hello", "slots":[]},]

其实affirm和confirm和合并，negate和deny也可以合并

确定了user action，以及任务的槽位和意图之后，就可以开始构建基于Agenda-Based的用户模拟器了。

Agenda-Based的用户模拟方法

Agenda-Based主要通过生成用户目标，然后将其通过出栈的形式来生成对话流，主要包含以下模块：

• 用户目标生成：这部分可以基于数据库随机生成，目标也包含inform_slots、request_slots。生成用户目标之后，
• 用户行为(action)产生:
  • 首轮：会有一些条件，比如必须要有餐馆名字等。
  • 非首轮：结合系统的问询说出目标中的某一个或多个槽位
• 会话状态：这个是模拟器内部的会话状态：
  • 历史信息：用户保存说了哪些槽位，哪些槽位没有说。
  • 会话状态：失败、成功、还没结束
• NLG模块：将用户action转化为自然语言。

主函数run.py

通过主函数中DM（run.py）来完成agent和user之间的对话，state_tracker记录并结合KB结果给agent作为其infrom。两者交互通过action（包含request，infrom，diaact等），并非自然语言。agent、user、act_set、slot_set、state_tracker、user_action、reward、episode_over。

也可以利用user bot在线训练agent，然后agent与真实用户交互来继续在线训练。

state_tracker

state_tracker.py中的state_tracker类包含：

• Current_slots:
  • Agent_request_slots: agent必须要知道value的slots;
  • Infrom_slot: 当前获得的inform_slots;
  • Request_slots: 需要向用户提问的slots；
• history_dictionaries: 当前对话每轮记录。
• kb_helper：类，可以返回可用的movie list。
• movie_dictionaries: 电影数据库。
• turn_count: 轮次计数。

本文主要介绍模拟器，state_tracker这块感兴趣可以自行细读。

user smilator代码

用户模拟器代码：usersim_rule.py，其中有一个RuleSimulator类，对于其输入、输出为:

输入

首次对话，调用initialize_episode()，直接会输出，无需输入。

对话过程中调用next()，需要输入system_action, map形式，key包含：

1. diaact: action，例如 request, infrom
2. infrom_slots: 包含imform的slot-value
3. request_slots: 包含slot-‘UNK’
4. turn: 当前对话轮次

举例子：system_action： {'request_slots': {'date': 'UNK'}, 'turn': 3, 'speaker': 'agent', 'inform_slots': {}, 'diaact': 'request'}

输出

自然语言。例如：which restaurant and what is the address for breaskfast for 10 people on tomorrow morning

输出是自然语言还是结构化的字段（user action），可以按需更改，因为按照M2M对话产生对话的outline也可以是user action。

构造函数

• 域字典：包含域的字典和对应项；如movie_dict，包含key有actor，city，date等，value是其对应的取值。(语料，kb)
• act_set：user的action type，如closing，inform，等。
• slot_set：域对应的slot type，如actor，date等。
• start_set：根据语料生成的usr goal sample。包含inform_slots、request_slots。包含test，train，valid等。
• params：参数，包含
  • max_turn最大轮次、
  • slot_err_probability：（s+d+i/c+s+d）槽位错误概率
  • slot_err_mode：错误模式
  • intent_err_probability：意图错误概率
  • simulator_run_mode、（0 for dia-act; 1 for NL; 2 for no output）
  • simulator_act_level：0 for dia_act level; 1 for NL level
  • learning_phase（all, train, test）
  • NLG模板。

params举例：{'max_turn': 20, 'slot_err_mode': 0, 'slot_err_probability': 0.05, 'intent_err_probability': 0.05, 'simulator_act_level': 0, 'learning_phase': 'all', 'simulator_run_mode': 0}。

初始化initialize_episode

记录状态的数据结构: history_slots, insorm_slots, request_slot, rest_slot都为空, turn(int)=0

Episode_over、dialog_status。

goal产生（_sample_goal）：从start_set随机选一条记录。其中ticket设为UNK

_sample_action：初始action选择，包含以下：

• diaact: 从配置文件的start_dia_acts中随机选一个（只有request）。
• Infrom_slot: 如果有moviename，则第一轮必出现，再选一个其他的infrom。
• agenda：将其他slot和request slot加入到rest_slot中。
• Request_slot: ticket在最后请求，优先随机选其他request，

根据action调用NLG生成自然语言，加入到action'nl'中。方法：模板，对于agent和usr每类request和infrom都有相应模板。lstm_decoder。

很多逻辑冗余，例如state'request_slots'刚添加，就判空。以及一些不可能出现的情况（上层已经判断过）。

输出：user_action，包含diaact、infrom_slots、request_slots、turn、nl。

Next User action（next函数）

输入：DM输入system_action, 包含request_slot, inform_slots等信息。

输出：response_action

更新信息：state'turn'加2，dialog_status。turn超过最大次数，则state'diaact'='closing'。更新history_slots，清空inform_slots。

对于不同的sys_act，回应不同：

• system request：从sys_action的request中选取第一个slot。如果request为空，则在rest_slot中随机选一个slot。
• 如果在infrom_slot中，将其对应键值保存到state'infrom_slot'中，state'diaact'='infrom', 并从rest_slots中移除，清空state'request_slots'，(因为其代表本次request值)
• 如果在request_slot中，state'diaact'='request', 并将slot填入到state'request_slot'。
  • 待修改：并且发送如果还有infrom，则全部取出到state'infrom_slot'，并将这些infrom从rest_slot中移除。这样做是防止user infrom没说完，系统就返回了结果。
• 否则为donot care，（既不在infrom也不再request）
• Response_inform: 回应系统的inform action.
• System_action中包含键taskcomplete，则转换下一个diaact=thanks，如果其值为no_value_match，则将ticket的value设为no_value；否则检查system_action的slot-value和goal中是否一致，不一致则constraint_check为0，diaact=deny。
• 如果不包含taskcomplete，将infrom加入到state'history_slots'，并比对infrom与goal中slot-value是否一致。一致则更新state。
  • 如果value不一致，可以选择再说一遍不一致的slot-value，或者直接state'diaact'=deny，结束会话。
  • 如果slot不在goal中，是donot care的slot，不管，发起state'request_slots'中请求，如果其为空的则在rest_slots中选一个，如果rest_slots也为空的，则请求ticket。
• multiple_choice：回应系统提供slot的可选择value，user diaact变为inform。将slot从rest_slot移除。
  • system inform_slot在user inform slot中，返回inform中的值。
  • 如果在user request slot中，那么随机选择一个答案。并将其从request_slot中移除。
  • 如果都不在，返回i do not care。
• Response_confirm:
  • 如果rest_slot不为空，则随机选取一个slot。
  • 否则返回state'diaact' = "thanks"
• thanks：轮次结束，决定对话状态，返回相应奖励，对话成功条件：
• rest_slot中无剩余、
• history_slot无空值并且和goal中一致。
• system_action返回的ticket不为空。

加入噪声corrupt

1. 以slot_err_probability概率产生错误的slot-value，slot_err_mode=0，则替换value；mode=1则以1/3概率替换value，1/3概率替换slot和value，1/3删除slot-value；mode=2, 替换slot和value; mode=3, 删除slot和value。
2. 以intent_err_probability随机改变user_action'diaact'。

模拟agent SLU识别错误、交互噪声的情况，增加鲁棒性，数据集也会扩充。

经过NLG。

奖励：（DM）

1. Status = sucess, R=2*max_turn;
2. status= Failed, R= -max_turn;
3. Else: R=-1;

名词解释

S = (A,G) , goal G, G=(c, r)，c是要求，r是用户请求获得什么。还需要加入intent信息。agenda A堆栈类型（未完成）,对话系统解决一个出栈一个。

User goal

1. inform_slot: 用户的限制的slot-value；其中又分为Require slots和Optional slots；
2. request_slot: 用户请求的slot。

数据生成方式：

1. 从语料中用户第一轮的数对话提取槽位。
2. 所有用户的所有回合的槽位。

将user goal生成database，然后对话开始时候从中随机采样生成user goal。

User action

首轮：会有特殊限制，如一般都会包含request，至少一个infrom slot，movie名如果知道首轮会出现。

对话过程中，包含一个类堆的agenda，过程中会出栈和入栈（agenda出现没有的slot）。

Dialogue Status

no_outcome_yet, success(回答所有requestable slots，通过NLU来识别，并给出正确的票), failure。还会限制对话轮次，超出算失败。并决定返回奖励。

NLU

intent和slots联合训练，使用Seq2Seq方法，数据为全部对话action和utterance，IOB的slot标签和intent标签

NLG

1. 模板。
2. 模型：Seq2Seq，输入是dialog action，生成类模板的句子。

对于dialog act，如果找到了规则模板，则输出模板，否则使用模型的输出。

扩展

最近也有很多使用模型来做用户模拟器的，这里简单提一下，后续有机会细说。主要还是通过数据驱动的模型方法来自动学习用户，通过对话历史、user profile、task schema作为输入，预测下一轮应该说什么，主要有：

• 基于统计建模
  • Collaboration-based User Simulation for Goal-oriented Dialog Systems
  • A stochastic model of human machine interaction for learning dialog strategies
• 有监督：
  • Neural User Simulation for Corpus-based Policy Optimization for Spoken Dialogue Systems
  • A Sequence-to-Sequence Model for User Simulation in Spoken Dialogue Systems
• 强化：Iterative Policy Learning in End-to-End Trainable Task-Oriented Neural Dialog Models
• 逆强化：User Simulation in Dialogue Systems using Inverse Reinforcement Learning

另外看了一篇感觉比较合理google AI: USER MODELING FOR TASK ORIENTED DIALOGUES，可以简单看下他的模型图

Reference

• A User Simulator for Task-Completion Dialogues
• Agenda-Based User Simulation for Bootstrapping a POMDP Dialogue System
• A Sequence-to-Sequence Model for User Simulation in Spoken Dialogue Systems(