《对谈系统应用於学生模型.doc》由会员分享，可在线阅读，更多相关《对谈系统应用於学生模型.doc（8页珍藏版）》请在金锄头文库上搜索。
1、對談系統應用於學生模型Applying Dialogue System to Student Model許聞廉、吳世弘、戴良友、夏昊霝中央研究院資訊所email：hsu, shwu, masia, markshiaiis.sinica.edu.tw電腦教學系統要能建立一個有效的學生模型，除了要事前進行大量的錯誤分析來決定錯誤類型外，也要能經由互動來準確的掌握學生錯誤的來源。本文提出如何設計對談系統和學生進行互動。在對談系統中，不可避免地需要處理到概念以及自然語言的理解。處理概念理解的一個困難在於它的歧義性。由於電腦缺乏掌握脈絡的機制，致使對於多義性的字詞或具有模糊性的概念，無法確定其意義。理論
2、上，將對談系統應用在教學上似乎已是老生常談。多年來這樣的想法並未落實在系統上，可見其難度極高。本論文中，我們將討論學生模型設計困難之處以及應如何利用一個對談系統來進行輔助。To build an effective student model, we need to first determine error types by analyzing a large amount of student errors. Since different students committing the same mistake might be based on different causes, th
3、e system needs also to interact with the student to identify the real reason. In this paper we consider the problem of how to design a dialogue system that can interact with the student. In a dialogue system it is crucial to deal with the understanding of concepts and natural language. A major diffi
4、culty lies in their inherent ambiguity. Since it is difficult for the computer to grasp the context of a word or a fuzzy concept, it is hard to catch their “meaning”. There have been many papers discussing the application of dialogue system to instruction and learning. However, we have not seen a re
5、al system capable of executing such an idea effectively. Perhaps, this is due to the high barrier of “concept understanding”. In this paper we shall discuss the intrinsic difficulty in building a student model and how one can apply a dialogue system to ease that problem.關鍵字：對談系統、學生模型、自然語言處理、概念關係1 引言
6、 設計學生模型有兩個挑戰：如何準確掌握學生錯誤的來源以及適性教學。本文中，我們提出利用對談系統來幫助解決上述兩個問題。在提及對談系統時，不可避免的會牽涉到自然語言處理的問題。所以，我們會先討論相關的自然語言的語意處理，再解釋如何將對談系統應用在學生模型上。2 自然語言處理的困難：多中選一 對人類來說，語言的理解是很自然而然的。像Pinker等人即認為，語言之於人類，就像吐絲之於蜘蛛，即語言乃人的本能。 參考Steven Pinker, Language Instinct, 1994, HarperPerennial.我們是幸運的，因為自然的演化，已幫我們減去不少學習、理解語言的困難。然而，自然
7、語言對於電腦系統，卻一點也不自然。如何讓電腦系統準確的處理（反應）使用者所輸入的自然語言，本身已是困難，更不論理解了。其中的兩個困難 這裡只舉出自然語言處理的兩個困難，並不表示只有這兩種困難。會舉它們為代表，主要是因為這些困難都能利用對談系統加以解決。即在於：1. 字詞的多義性，即相同的一個字詞，卻有多於一個的意義，如下游，可以是指河流的後半段，也可以是提供原料的工廠2. 意義的模糊性，即同樣一個句子卻可以有多重面向的意義。如，那有什麼好玩的？這句話中，好玩的相對於不同的人，會有不同的詮釋。有些人認為要刺激、冒險，而有些人只想要逛街、買東西。(1)的困難常可以利用它們出現在怎樣的句子或和其它詞
8、的搭配來解決，比如河的下游中的下游就可以很容易的和下游工廠中的下游區分。但也不是每回都這麼清楚，如我要去華盛頓一趟（華盛頓是華盛頓DC還是華盛頓州）或他覺得上、中、下游都不錯（是指河流的風貌還是整個產業的情況）。(2)的情形則牽涉到了所謂的句子的意義（sentence meaning）和說話者的意義以下是Sentence meaning和Speakers meaning不同的其它種情況：我們在表達一個想法或感受甚或陳述一件事時，偶爾會碰到不知要用什麼字詞來表達的情況，或者，由於誤解了某些字詞的用法而在表達時，會出現句子意義和說話者想表達的意義不同的情況。參考R. M. Martin, The
9、Meaning of Language, 1987, MIT。（speakers meaning，或稱之為意圖intention）之間的差別。也就是，句子本身是有確切意義的，不過它的意義的實質內容卻和說話者本身的意圖、信念有關。例如好玩的，是指能讓說話者開心、滿足的事物，可是究竟那些事物能達到此一條件，是因人而異的。這裡主要的問題是，如果我們把句子的意義看成是具有某種程度的客觀性，可是說話者的意義卻是很主觀的。我們真的有可能從句子的意義猜測出說話者的意義嗎？我們假設了合作原則 由哲學家Grice所提，內容詳下。及對談雙方是理性的，所謂理性的是指有能力計畫及執行以達成目標，並且有能力去從別人有意
10、義的言談中推論出他人的計劃。 參考5.因而在一個確定領域內，為了要達成某一確定目標，句子的意義和說話者的意義的差異是有限的。無論是1或2，基本上我們都可以將之看成是系統如何在多中選一的問題。尤其是在某一個確定領域內，此一情形更為顯然，處理上也較為簡單。而對談系統（dialogue system）在面對多中選一的問題時，會是一個很好的工具。必須指出的一點是，對談系統並非唯一的解決之道。其它方法包括從前後文，即脈絡（context）著手等等，而使用目的會決定我們用何種進路來面對同樣的問題。我們的目的主要是用於處理單句的QA系統等。這並不表示我們就忽略了脈絡。畢竟建構對談的環境就是為了能夠重建原本不
11、夠清楚的脈絡。在回答對談系統如何解決多中選一的問題之前，先讓我們來討論何謂對談（或對話） 本文將對談、對話、交談等視為同義，對應英文的dialogue或conversation。以及為何它能有效的解決該問題。3 對談及其目的在對談中，無論目的為何或如何進行，本質上都可以將之視為一種關係的排除與建立的過程。這裡的關係指的是概念關係。比如，某人說出下游不錯這句話，這句話可以被理解成某一個工廠做得不錯，也可以被理解成某個河流的流域風景不錯。前句中，下游這個概念與工廠這個概念被加以連結，而後一句話說，下游這個概念則與河流的流域有所關連。正因為下游這個概念有可能與工廠或流域建立關係，才使得下游不錯這句話
12、產生了語意不清的狀況。透過對話的機制，我們可以對下游與其他觀念的關係進行建立與排除。比如，我們問這個人你說的是工廠嗎？然後等待其回答，由他的答案中，我們就可以由這個語意脈絡，建立或排除下游與工廠間的概念關係。而這樣一來一往的過程，就是我們所謂關係的排除與建立的過程，也就是對話的過程。為了使得關係的排除與建立成為可能，所以我們要先給系統必要的知識。比如，若系統不知道下游和工廠或下游和河流有關係，對它來說，下游就不是一個多義性的字詞。這情況和人是一樣的。又如，若有人問中研院怎麼去？，如果系統不知道去中研院可以開車，也可以搭公車等，它就只能給使用者一個預設的答案。但是若系統已經具備相關知識，它就能反
13、問使用者：你要開車，還是搭公車前往中研院？系統就能根據使用者的答案給予適當的回應。這樣整個對談系統對使用者來說就更為友善了。理想上，在一個確定領域（specific domain）範圍內，我們可以把概念與概念之間的關係，都內建在系統中。所謂關係都內建在系統內，並不必然表示我們非得把所有概念間的關係都建入。實際上，只要把必要的關係放入即可。當然，我們必須先知道何謂必要的？這就和系統的目的及要讓系統表現得多麼聰明來決定了。因為，即使是一個人類專家，也無法把其專長領域的所有關係都完全掌握，如果人都是如此，一個以模擬人類理解能力為目的的電腦系統，又何需有超過人本身所具有的理解標準呢？同樣的，一個人類專
14、家也不是把所有的關係都記著，而有更多是靠著推理（推論）、類比甚或隱喻等方式掌握知識，即概念間的關係。所以，一個聰明的系統似乎應該朝向此一目標發展。對於任何可能產生多義字詞或模糊性的句子，都可以看成是因為這些概念與概念間有多重的關係。即每一個概念可以與多於一個概念有關係，而且兩個概念之間的關係可以有不只一種。舉例來說，狗和人及狗和哺乳動物都可以有關係；而狗和人可以是喜歡的關係，但也可以厭惡的關係。這些關係的建立是必要的，它能使得系統在對談的過程中，很輕易的掌握對談的發展方向。因為系統能夠從已知的概念關係中，預測使用者下一步可能的回答或發問。預測是重要的。我們在這裡使用了Grice的一個假設，合作
15、原則（CP, cooperative principle），即對談雙方是相互合作的，他們有共同的一個或一組目的。 參考H. P. Grice (1975).為什麼CP是有必要的呢？一個直接的答案是，系統不處理無意義的對話。所以，CP使得系統只進行有意義的對話。但是，這會有一個盲點：即所謂有意義與否，端視我們為系統所建立的知識。那麼，如何保證我們所建立的知識是足夠充份的呢？老實說，沒有辦法。一個可能的解決辦法是，讓系統具有學習的能力。因而對談雙方的言談將是有意義的（make sense），或者說對談雙方的言談內容必定是相關的。如果不是這樣的話，兩者的溝通將形同雞同鴨講，也沒有人能掌握他們說話的精確意義，這種情況不是我們要處理的。所以預測使用者的下一步，將能夠檢測系統是否掌握了使用者的意圖或目的，也因此能確認是否正在一條正確的道路上。如何可能預測呢？我們可以把推論的想法用在於此，因為所有的對談都是有目的性的。由其目的，再加上已經做過的事件，我們就可以推論出還有那幾件是會必然或可能接著出現的。我們無需要求很精準的（exactly）給出唯一的預測，而是給出一個可能的範圍即可。預測可以分為兩個情況：其一為當出現多義性或模糊性時，系統可以很容易的從已知的關係中，確定使用者有多少個可能的選擇。其二為在任一確定領域中，皆是由一群
