電話機器人中，dm控制模塊承擔對全部語音通話全過程開展跟蹤。獲得nlu的n-best鑒別結果后，開展對話狀態追蹤（dst），鑒別出客戶表述的user goal及其當今所在的狀態，由此決策（policy）該回到什么回應句子。其鍵入為nlu給予的n-best結果，即特殊do ** in下的好幾個intent及其各intent下的槽位遍布。intent和slot一同體現了客戶的總體目標，dm bot依據當今把握到的信息內容決策對話怎樣開展下來。因而，dm bot事實上是一個追蹤與決策的全過程，追蹤指根據在歷史上的全部信息內容動態性調節user goal，決策指根據當今追蹤獲得的user goal決策設備與客戶怎樣互動。
對話狀態追蹤（DST）DST立即解決nlu鍵入的n-best結果，導出為當今的對話狀態（dialog state），可類似了解為user goal。對話狀態通常由兩部份構成，即communicative function 和 slot-value pairs，在其中 communicative function 表明 query 的種類（如：闡述要求，了解特性，否認，挑選疑惑，INFORM這些）而每一個 slot-value pair 則表述一個限定標準（constraint），也可了解為客戶總體目標的一個構成模塊。相匹配到nlu結果，可類似了解為intent相匹配communicative function，slot對應slot-value pair（嚴苛而言那么投射不是的）。
電話機器人的DST是什么模樣的呢？能不能與傳統的的每日任務機器人公共呢？下邊根據上文的事例、以每日任務機器人的方法來簡易表現DST全過程，大家會見到電話機器人DST與每日任務機器人DST的區別。
在上面的事例中，nlu給的結果與DST的相匹配全過程如下所示：
可以看得出以下幾個方面：
nlu得出的n-best結果中，DST通常會挑選一個實行（如挑選了ask_telphone，丟掉了praise）同樣的槽位的槽值很有可能會多次發生遮蓋（如info槽位）一部分槽位信息內容具備高效性（如degree槽位）上邊的事例是運用每日任務機器人的DST視角剖析電話機器人的情景，是否覺得略微有些怪怪的呢？如為何一個槽位的值會不斷轉變，為何槽位的值會發生不可以承繼的狀況，為什么有的僅有用意沒有槽位？實際上，這也恰好是電話機器人與每日任務機器人的區別。
在前面的內容中大家提起過電話機器人關鍵可分成要求網絡嗅探類、數據采集類與消息通知類。要求網絡嗅探類的與每日任務型機器人較像，但也只是是類似罷了。實際上，電話機器人偏重于數據流分析的方式，內部的每日任務具備步驟性、殘片性、高效性的特性，而每日任務機器人偏重于總體的方式，內部的子每日任務具備比較大的關聯性。假如把電話機器人的各泛娛樂化步驟拆卸成子每日任務，則電話機器人更好像好幾個獨輪每日任務型機器人的 ** 。因而，DST的關鍵差別如下所示：
電話機器人的DST可以重復使用每日任務機器人的DST，但必須留意槽值的高效性（有一些槽位在項目生命周期中合理，有一些槽位僅有獨輪合理）與槽位界定的非關聯性（步驟中間的槽位更好不要界定成同名）電話機器人更好像好幾個獨輪每日任務機器人的 ** ，DST全過程相較每日任務機器人簡易一些電話機器人容許客戶散發性的提出問題，必須適用特殊的faq種類，因而許多intent是無槽位的，減弱了intent與slot的界限事實上，當今電話機器人的DST全過程比每日任務機器人簡易一些，關鍵以模型成馬爾可夫過程為主導，即只保存前一輪的狀態做為遷移的起止連接點，只關心前一輪的合理槽位。自然，也存有根據NBT等實體模型的DST完成，但實體模型運用遭受了情景與開發設計速率的限定。
2 對話決策
接到DST的導出后，即覺得早已確立了dialog state，由此做決策（policy），產生最后導出的對話個人行為（dialog act），即告知機器人應當怎樣做（如反問到客戶問題，回應客戶提出問題等）。policy，是依據上邊講解的相信狀態來決策的全過程，對話對策的導出是一個系統軟件姿勢，也是一個由 communicative function 和 slot-value pairs 構成的詞義表明，表明系統軟件要實行的姿勢的種類和實際操作主要參數?！懊恳淮螞Q策的總體目標并不是當今姿勢的對錯，反而是當今姿勢的挑選會使將來盈利的預估（expected long-term reward）利潤更大化”。
每日任務型機器人與閑談型機器人的policy大多數運用標準或增強學習完成。標準即界定了狀態及其該狀態下應采用的個人行為，實質上是維護保養一張狀態-個人行為>投射表；增強學習即根據將來盈利利潤更大化挑選姿勢（實際基本原理請參照技術專業的實例教程），那麼在電話機器人中呢？
前文提及了電話機器人的特性與DST通常采用的計劃方案。在每日任務偏獨輪與多樣化的情景下，標準是非常簡單合理的，關鍵因素如下所示：
電話機器人的主動權通常在設備手上，客戶只必須相互配合回應就行，限定了客戶充分發揮的室內空間每日任務偏泛娛樂化、獨輪話，每日任務間聯系水平算不上高，造成reward無法設置faq的引進在一定水平上填補了客戶隨便充分發揮的概率自然，并不是說增強學習不適宜于電話機器人。在業務流程網絡嗅探類等各步驟間持續密切的日常任務中，增強學習或是可以充分發揮極大的功效的。（如在推銷產品情景下，如何推銷取得成功就是較確立的每日任務，采用哪種對策即必須增強學習方式科學研究）
4 總結
當今工業領域為了更好地追求完美速率，電話機器人的對話管理方法與互動控制模塊通常設計方案的非常簡單，乃至是一個全過程的可配備系統軟件，商品只必須依照規定配備關鍵節點就可以構建一個較完善的電話機器人。因而，DST大多數選用馬爾可夫過程，policy也通常是明確的狀態-個人行為>投射表，擴展性是非常好的，可是實際效果要受到非常大影響。如何把NBT等DST方式和增強學習等policy方式更強的加入到電話機器人這類步驟型體系中，是一個非常值得科學研究的問題
