对话管理及对话管理主要包括的方法

• 对话管理： 以NLU的内容作为输入，NLG的内容作为输出，如下图：
  
  (小白话： NLU的内容作为对话的上半句，经由对话管理，NLG的内容作为对话的下半句。)

• 对话管理主要包括的方法及特点：
  
  数据驱动的方法举例：
  基于强化学习的马尔可夫决策过程（MDP：markov decision process）框架下建模对话管理：
  强化学习（RL: reinforcement learning）把对话策略的学习看作一个序列决策的问题，将对话的合理性和目标抽象成强化学习中的回报函数。（通过优化算法，选择使得长期回报最大的系统动作）
  将对话过程看成MDP，其基本思想如下：
  
  设系统在某个时间点的状态为s_t，系统根据策略Π选择在当前状态下应该执行的动作a_t,此时外部世界会根据当前状态，系统动作和状态转移函数，随机转移到新的状态s_t+1,同时获得回报R（s_t,a_t）。
  MDP以最大化整个对话过程的期望长期回报为目标来求解最优策略。