自2019年12月以来,新冠肺炎(COVID-19)肆虐全球,世界各地感染和死亡人数急剧增长。至2020年4月中旬,全球累积感染人数逾百万,累积死亡人数逾十万。随着疫情的持续发展,世界各地的研究人员都在试图为这场“战疫”贡献自己的一份力量。本文结合当下全球抗击疫情的背景,应用对话策略学习技术,构建一个应用于公共医疗服务领域的聊天机器人,提供如疫情咨询、热线求助、预约挂号等服务,为全球抗击疫情助力。目前业界已落地并用于抗疫领域的聊天机器人,多数是采用FAQ检索或基于规则的对话策略。本文的创新点在于采用了基于监督学习以及深度强化学习的对话策略学习方法,来应用于构建抗疫聊天机器人的对话策略。对话策略作为聊天机器人最核心的“大脑”,其优劣决定着聊天机器人系统的成败。而基于监督学习以及深度强化学习的对话策略学习方法是目前任务型聊天机器人领域两个热门的研究方向。与基于检索和规则的对话策略相比,以上两种对话策略学习方法因其数据驱动的方式使得聊天机器人的决策更具有灵活性和智能性。本文致力于实现一个服务于公共医疗领域的聊天机器人,提出使用监督学习的方法以及深度强化学习的方法,去解决聊天机器人对话策略的学习问题。以上这两种对话策略学习方法可以使得聊天机器人支持扩展到更多的任务领域,完成更多的服务任务。结合医疗领域中的预约挂号任务,本文对这两种方法的模型设计、模型构建、模型实现、以及这两种方法实现的对话策略性能、优缺点及适用性等方面进行了详细研究与探讨。本文主要涵盖以下内容:(1)基于监督学习方法构建医疗聊天机器人的对话策略。该对话策略学习方法使用的是一个混合编码网络。由于引入了一些人为规则干预,相比于其他基于标准监督学习的方法,该混合编码网络极大程度地减少了训练所需的数据量,同时又保留了推断潜在语义的关键特性。本文基于监督学习方法实现的对话策略会尽可能地去“模仿”语料库中人机对话的方式,该对话策略模型具有轻量且易于实现的优点,并且在小规模数据集上训练后的决策效果也十分不错。(2)基于深度强化学习方法构建医疗聊天机器人的对话策略。该对话策略学习方法使用深度强化学习算法DQN作为一个智能体Agent。与基于监督学习方法学习到的对话策略尽可能去模仿训练语料不同,基于深度强化学习方法学习到的对话策略更加具有探索性和灵活性。本文在训练DQN智能体时采用?贪婪搜索(?-greedy exploration)策略进行探索和利用,尽可能地探索不同对话状态下的奖赏值情况。本文基于深度强化学习方法实现的对话策略模型在完成任务所需的对话轮数和个性化策略探索上皆表现出了不俗的优势。(3)构造对话数据集,验证对话策略学习方法的决策性能。本文结合当下疫情肆虐的背景,构造了一个应用于抗击疫情任务的对话数据集。基于构造的数据集,本文使用以上两种对话策略学习方法训练得到了两个对话策略模型。在测试阶段,两模型皆以超过97.8%的任务成功率完成了预约挂号任务;而在与用户的交互阶段,相比于基于规则的对话策略,使用以上两模型的医疗聊天机器人的决策机制表现得更加高效和智能。