A. 交谈礼仪中适宜交谈的话题有那几类不适宜交谈的有哪几类
一、适宜交谈的话题：
1、气候关于气候、四季的话题。
天气变热了／凉快了等等。随着对天气的谈论，逐渐引出一些更加自然而无伤大雅的话题。这种方法十分简单方便。
2、爱好关于兴趣、爱好的话题。
如果对方是男性，则可以谈论下专业棒球等体育运动，如果对方是女性，则可以谈论下美容或健康等的话题。但由于第一次见面时大多数人都还不了解彼此的兴趣爱好，因此这个话题在实际上比较难运用。
3、新闻关于新闻、时事的话题。
最好选择比较积极的话题。
4、旅游关于旅行的话题。
可以告诉对方自己最近游历某地的见闻，或询问对方是否去过某地。也可以向对方推荐某个地方，或者询问对方对某地的看法。由此就可以引出对彼此家乡等等的谈论，使话题的涉及面更广。
二、不适宜交谈的有：
1、与钱有关的事。
金钱问题纯属个人私事，最好不要谈及。例如：“你一个月挣多少钱？”“你买了多少套房子？”“你现在有多少资产？”“你买了多少股票？”诸如此类的问题，如果你向客户问及，会造成尴尬，人家没法回答你。
2、自己的健康状况。
如果你健康极佳，面对别人“你好吗？”这样的问题，应该脸带微笑且亲切地回答：“很不错！你呢？”如果染有重病，也只需回答“还不错，那你呢？”即可，没有必要把你的详细的病情告诉别人，因为大多数情况下，别人只是客套的问候，而并不是真正要听你的病情报告。
3、哀伤性的话题。
这类话题如死亡、饥荒和虐待等等，很容易引起人们不愉快的情绪。如果有人提及，也要想办法尽快岔开话题，毕竟，商务交流并不适宜探讨深沉的哲学问题。
4、谣言与闲话。
谣言与闲话听听即可，对于那些自己并没有确切证据的传言，自己不要参与其中，并妄加评论，这样做对你没有任何好处，反倒可能让别人对你减少信任。
(1)什么类型的问题可以难倒对话系统扩展阅读
基本礼仪之交谈礼仪：
1、交谈时，应力戒口头禅，注意谈吐文明，措词雅洁；
2、不打断对方谈话，不轻易在他人谈话时插嘴；
3、交谈时，勿打哈欠，勿抓耳挖腮，搔首摆膝摇头；
4、对别人讲话，勿持冷漠的态度，如斜视、看书、看报等；
5、说话时，要面对谈话的人，不要自我吹嘘或信口开河；
6、对于生客，不要贸然问人家工资多少，对于女青年，不要随便问她的年龄和地址；
7、抽烟时，不要朝着别人的脸擦火柴，吐烟雾。
B. 语音对话系统的设计要点与多轮对话的重要性
就从最近短视频平台的大妈与机器人快宝的聊天说起吧。
某银行内，一位阿姨因等待办理业务的时间太长，与快宝机器人展开了一场来自灵魂的对话。对于银行工作人员的不满，大妈向快宝说道：“你们的工作人员在里面哄孩子，怎么不出来办业务？”；快宝答：“我们柜台里的哥哥姐姐也在很努力的办业务呢。”听到这个回答，阿姨试图将快宝的身体转向柜台方向，说：“你往里瞅瞅，是不是在哄孩子？”快宝嘤嘤嘤的好委屈：“你不要触碰我了，跟我说话就可以了”.
“快宝”说话的语速和声音非常清晰，逻辑性连贯，跟普通人说话的方式简直一模一样，比苹果的 SIRI强太多，有网友甚至怀疑快宝“背后”是专门的人通过摄像头在和人对话。
随着人工智能相关技术的更新迭代，如今，ASR与TTS技术相对来将已经成熟，自然语言的表示和理解已经取得了很大的进展，在行业的竞争壁垒中也逐步削弱，未来智能对话机器人的核心竞争力在于理解了用户的意图之后所提供的差异化服务。下面我就在产品角度聊聊语音对话机器人的喜相关知识点，希望带给各位一些思考。
智能语音对话系统大致可分为五个基本模块：语音识别(ASR)、自然语音理解(NLU)、对话管理(DM)、自然语言生成(NLG)、语音合成(TTS).
语音识别将语音转化文字，让机器读取用户再说什么，自然语言理解是理解用户说的话是什么意思，分析用户说话的意图，和对用户语言中核心词槽的解析。而对话管理(Dialog Management,DM)就是人机对话中的CPU，控制着整个人机对话的过程。对话管理的任务主要有下四点，对话状态维护(dialog state tracing,DST)、生成系统决策(dialog policy)、作为接口与后端/任务模型进行交互、提供语义表达的期望值(expections for interpretation)。由对话管理分析出用户的意图之后并做出相关行为，自然语言生成对用户任务的处理结果以文字形式生成，然后语音合成将此结果合成为语音说出来。就形成了人机对话的整个过程。
个人将常见的人机对话分为日常撩拨型和任务驱动型。
最常见的就是任务驱动的多轮对话，用户是带着明确的目的如订餐、订票、叫车等比较复杂的需求来，而这中间有很多限制条件，用户并不能一次将任务所需的关键信息一次性说完、说清楚，因此就要分多轮进行QA问答。一方面，用户在对话过程中，可以不断修正和完善自己的需求；另一方方面，当用户在陈述需求不够具体和明确时，机器人可以通过询问、澄清和确认来帮助用户寻找满意的结果，并且在任务的驱动下与用户完成日常的交互，以此不断完善对于用户需求的满足。
而日常撩拨型对话中的关键，是要根据用户唤醒机器人时和唤醒之后第一句话的日期时间和语气来判断用户当前的情绪，比如：周五晚上9点下班回家，而唤醒时语气中带着些许匹配疲惫与不开心，此时就需要机器人的安慰和鼓励，以此满足用户的情感需求。当用户心情愉悦时，对话中还可以偶尔“皮一下”，对话中一定要有让用户惊艳的句子和当下比较流行的词语，有趣和好玩是日常撩拨对话中的刚需，而这需要训练师不断更新语料库，以此来持续性对智能语音设备的依恋。
对话管理对于多轮对话又异常重要，因为单词对话每次聊天都需要用户去唤醒语音对话机器人，用户必须每次将需求完成的说出，否则几次对话下来用户将会产生烦躁的情绪，语音对话机器人将会变得鸡肋。下面我们来分解下对话管理的大致任务：
1、对话状态维护(DST)
2、生成系统决策(dialog policy)
根据DST中的对话状态，产生系统行为，决定下一步做什么可以监测到用户的输入，就是NLU的过程，以及系统对于NLU的反馈行为，就是NLG。
3、作为接口与后端/任务模型进行交互。
作为应用程序接口与服务器端或任务模型进行请求交互，获取反馈结果，生成文字结果。
4、提供语义表达的期望值
根据用户输入的表达，包括语言表达和语义解析，做出满足用户期望的语义表达，满足用户需求。
多轮对话中为了清晰明确的理解用户的意图和需求，将对话建模过程中缺少的信息形成一个填槽的过程，槽就是多轮对话当中将初步用户意图转化为明确用户指令所需要补全的信息。一个槽与任务处理中所需要获取的一种信息相对应。槽没有顺序，缺什么槽就向用户询问什么信息。
基于框架式的对话管理(Frame-based DM)需要如下要点：
1、框架：槽位的集合，定义了需要由用户提供哪些信息；
2、对话状态：记录了哪些槽位已经被填充，那些槽位待填充；
3、行为选择：下一步该向用户询问哪些信息，填充哪些槽位，进行何种操作，对哪些槽位进行加权填充。
基于框架的系统本质上是一个生成系统，不同类型的输入触发不同的生成规则，每个生成灵活的填入相应的模板，这些模型的和框架的设计只为在满足用户需求的前提下，尽快的完成必要信息的获取。
设计语音对话系统需要注意的5个要点：
行为模式的设计、交互过程的设计、知识结构的设计、人格情绪的设计、熟悉过程的设计，我们又可以将这5中设计要点进行情景细分：
在整体架构设计当中，加入这些细分情景的收集，透过用户与机器对话的行为细分模式，包括知识结构和人格情绪的收集，来出一个虚拟人格。此模式就相当于某宝或某东商城根据用户的点击、搜索和浏览行为结合大数据生成的千人千面，通过语音交互的使用过程，了解用户习惯进而达到更好的体验。
语音对话体验可分为三个方向：声音形象、对话交互模式和对话内容，它们分别对应GUI时代的品牌设计、交互设计、服务设计，产品经理需要把握好机器人与人的平衡点，不要过度人性化，以免某些点不能满足用户的过渡预期，而产生的失望。
人类的大脑依赖所学的知识进行思考、逻辑推理和语言理解。而机器人则是依赖数据的训练，互联网时代积累的大量的数据能为训练机器人提供的强有力的保障，对话机器人以数据为基础，利用深度学习模型和算法，对人类世界进行感知、识别和判断，并通过知识图谱对人类的知识进行梳理、整合、推理，变成有智慧的AI。
人的复杂性(complex)、随机性(random)、和非理性化(illogica)的特点导致人机对话在应用场景下面临者各种各样的问题，包括但不限于如下问题：
1、模型描述能力与业务复杂度的权衡；
2、用户对话偏离业务涉及的路径及边界；
(如：系统问用户导航的目的地时，用户反问了一句某地天气情况)
3、多轮对话的容错性；
(如：3轮对话的场景，用户已经完成2轮，第3轮由于ASR或NLU错误，导致前功尽弃，如此用户体验就非常差。)
4、多场景的的切换和回复；
5、降低交互变更难度，适应业务迅速变化；
6、跨场景信息继承。
未来对话机器人除了被动回复用户的请求外，主动预测用户需求并提供即时方案成为必然的发展方向，当用户没有给出明确的需求情况下，提醒即将发生的事件或推荐有用的服务，人们会逐渐依靠他们来管理自己的工作生活，提高生活效率及幸福感。
对话机器人的目标不一定是解决用户面临的所有问题，而是成为用户的虚拟助理。通过与用户建立情感链接，理解用户，长期范围内帮助他们，与用户建立多种形式的交流，包括文本、语音和图像以及视频功能。
C. 任务型对话系统中状态追踪（DST）
前面写了对话系统中的SLU之领域 分类/意图识别 、 槽填充 、 上下文LU和结构化LU 以及 NLG ，DST是对话管理（DM）的一部分，而DM是任务型对话中至关重要的一部分。说个 非严格的对比 ：如果把对话系统比作计算机的话，SLU相当于输入，NLG相当于输出设备，而DM相当于CPU（运算器+控制器）。
对话系统按功能来划分的话，分为闲聊型、任务型、知识问答型和推荐型。在不同类型的聊天系统中，DM也不尽相同。
闲聊型对话中的DM就是对上下文进行序列建模、对候选回复进行评分、排序和筛选等，以便于NLG阶段生成更好的回复；
任务型对话中的DM就是在NLU(领域分类和意图识别、槽填充)的基础上，进行对话状态的追踪（DST）以及对话策略的学习（DPL，下次分享），以便于DPL阶段策略的学习以及NLG阶段澄清需求、引导用户、询问、确认、对话结束语等。
知识问答型对话中的DM就是在问句的类型识别与分类的基础上，进行文本的检索以及知识库的匹配，以便于NLG阶段生成用户想要的文本片段或知识库实体。
推荐型对话系统中的DM就是进行用户兴趣的匹配以及推荐内容评分、排序和筛选等，以便于NLG阶段生成更好的给用户推荐的内容。
什么是对话状态？其实状态St就是一种 包含0时刻到t时刻的对话历史、用户目标、意图和槽值对的数据结构 ，这种数据结构可以给DPL阶段提供学习策略(比如定机票时，是询问出发地还是确定订单？)继而完成NLG阶段的回复。
对话状态追踪（DST）的作用： 根据领域(domain)/意图(intention) 、曹植对(slot-value pairs)、之前的状态以及之前系统的Action等来追踪当前状态 。他的 输入是Un（n时刻的意图和槽值对，也叫用户Action）、An-1（n-1时刻的系统Action）和Sn-1（n-1时刻的状态），输出是Sn（n时刻的状态） 。 这里用户Action和系统Action不同，且需要注意
S = {Gn,Un,Hn}，Gn是用户目标、Un同上、Hn是聊天的历史，Hn= {U0, A0, U1, A1, ... , U −1, A −1}，S =f(S −1,A −1,U )。
DST涉及到两方面内容： 状态表示、状态追踪 。另外为了解决领域数据不足的问题，DST还有很多迁移学习(Transfer Learning)方面的工作。比如基于特征的迁移学习、基于模型的迁移学习等。
为了在抽象的建模的基础上加深理解，看个小例子：
通过前面的建模和实例化，不难看出对话状态数跟意图和槽值对的数成 指数关系 ，维护所有状态的一个分布非常非常浪费资源，因此需要比较好的状态表示法来减少状态维护的资源开销（相当于特定任务下，更合理的数据结构设计，好的数据结构带来的直接影响就是算法开销变小）。
常见的状态表示法包括两种：
Hidden Information State Model (HIS)
这种方法就是：使用 状态分组 和 状态分割 减少跟踪复杂度。其实就是类似于二分查找、剪枝。
Bayesian Update of Dialogue States (BUDS)
这种方法就是：假设不同槽值的转移概率是相互独立的，或者具有非常简单的依赖关系。这样就将状态数从意图和槽值数的 指数 减少到了 线性 。
下面简单对比下两种不同状态表示法的优缺点：
讲到DST就不得不讲DSTC，DSTC是 Dialog System Technology Challenge ，主要包括6个Challenge。DSTC对DST的作用就相当于目标函数对机器学习任务的作用，真正起到了评估DST技术以及促进DST技术发展的作用。之所以在DST前先说DSTC是因为后面的很多DST的方法是在某个DSTC（大多是DSTC2、DSTC3、DSTC4、DSTC5）上做的。
先来看看DST的形象化
再来看看我总结的DST的方法汇总，注意我没有整理基于规则的DST（ 基于规则的方法虽然可以较好利用先验知识从而可以较好解决冷启动等问题，但是需要太多人工、非常不灵活、扩展性和移植性很差、不能同时追踪多种状态 ）。
下面分别介绍一下对话系统中的不同DST技术。
论文： （ Lee, SIGDIAL 2013 ）（ Kim et al., 2014 ）
从BUDS中对不同槽值的转移概率是相互独立的假设（是不是很像马尔可夫假设？）以及St的预测需要Un、An-1和Sn-1（转移概率和发射概率），是不是想到了HMM和CRF？没错，前期的基于统计的DST就是用了很多CRF。 n = （S −1, A −1, U ）。
Lee, SIGDIAL 2013 的主要思想如下：
Kim et al., 2014 的主要思想如下：
论文： （ Mrkšić et al., ACL 2015 ）（ Henderson et al., 2013 ）（ Henderson et al., 2014 ）（ Zilka el al., 2015 ）
关于神经网络的介绍、神经网络的好处和坏处，不再赘述，已经烂大街。基于神经网络的很多方法是在DSTC上做的，这里选取了几篇有针对性的经典论文简单介绍下。
Mrkšić et al., ACL 2015 是ACL2015的一篇论文，它是用RNN进行多领域的对话状态追踪，主要贡献是证明：利用多个领域的数据来训练一个通用的状态追踪模型比利用单领域数据训练追踪模型效果要好。
Henderson et al., 2013 是利用DNN来解决DSTC，它把DST当分类问题，输入时间窗口内对话轮次提取的特征，输出slot值的概率分布。该方法不太容易过拟合，领域迁移性很好。模型结构图如下：
Henderson et al., 2014 ，基于DRNN和无监督的自适应的对话状态鲁棒性跟踪，从论文名字就能看出因为使用DRNN和无监督的自适应导致DST 鲁棒性很好 。
先来看看特征提取的办法：主要提取f，fs，fv三种特征，f是针对原始输入提取，fs和fv是对原始输入中的词做Tag替换得到 泛化特征 。
再来看下模型结构：对slot训练一个模型，利用无监督的自适应学习，将模型泛化到新的domain以便于提高模型的泛化能力。
Zilka el al., 2015 ，基于增量LSTM在DSTC2做对话状态追踪，具体思想如下：
（ Williams 2013 ）（ Mrkšic, ACL 2015 ）
目前对话系统数据较少，我比较看好迁移学习在任务型对话中的应用，尤其是DST这种较复杂的任务。
Williams 2013 ，这是通过 多领域学习与泛化 来做对话状态追踪，比较好的解决了数据目标领域数据不足的问题。
Mrkšic, ACL 2015 ，这是ACL 2015的一篇paper，基于RNN做多领域的对话状态追踪，主要贡献是证明：利用多个领域的数据来训练一个通用的状态追踪模型比利用单领域数据训练追踪模型效果要好。顺便说一句，这篇论文涵盖了很多任务型对话领域比较高产的学者。
Shietal., 2016 ，基于 多通道卷积神经网络 做 跨语言 的对话状态跟踪。为每一个slot训练一个多通道CNN（中文character CNN、中文word CNN、英文word CNN），然后跨语言做对话状态追踪，我个人很喜欢这篇paper，也非常推荐大家好好读读这篇paper。
先来看看方法的整体结构：
再来看看多通道CNN的结构图：
最后看看输入之前的预处理：
（ Mrkšić et al., ACL 2017 ）
这是发表于ACL 2017的一篇论文，个人觉得水平很高。
先来看一下基于word2vec的表示学习模型，本文提出两种架构：NBT-DNN、NBT+CNN，结构图如下：
再来看看整个模型的结构图，它包含语义解码和上下文建模两部分：语义解码：判断槽值对是否出现在当前query；上下文建模：解析上一轮系统Act，系统询问（tq）+ 系统确认（ts+tv）。
模型还有一部分：二元决策器，用来判定当前轮的槽值对的状态。本文的状态更新机制采用简单的基于规则的状态更新机制。
另外，ACL 2018在本文的基础上提出完全NBT（ Fully NBT） ，主要变动是修改基于规则的状态更新机制，把更新机制融合到模型来做 联合训练 。具体更新状态的机制包括One-Step Markovian Update（ 一步马尔科夫更新，使用两个矩阵学习当前状态和前一时刻状态间的更新关系和系数）和Constrained Markovian Update（约束马尔科夫更新，利用对角线和非对角线来构建前一种方法中的矩阵，对角线学习当前状态和前一时刻状态间的关系，非对角线学习不同value间如何相互影响）。总之，这个工作扩展的比较细致。
其实还有很多种对话状态追踪的方法，比如基于贝叶斯网络做DST、基于POMDP（部分可观测马尔可夫决策过程）做DST等，因为时间相对比较久远，这里不再赘述。
以上介绍了多种对话系统中的DST技术，下面简单总结下它们的优势和劣势。
任何一项技术想要取得进步，那么他的评测方法是至关重要的（就相当于目标函数之于机器学习算法），所以我列出一些关于DST的评估。遗憾的是，目前DST的评估我感觉并不成熟，这也是制约DST发展的一个重要原因，如果谁能想出更好的评估方法或整理出一个业内公认的高质量数据集，那么一定会在DST（甚至是对话系统）领域有一席之地，引用量也会蹭蹭的上涨。
6.1.Dialog State Tracking Challenge (DSTC)
Williams et al. 2013, Henderson et al. 2014, Henderson et al. 2014, Kim et al. 2016, Kim et al. 2016, Hori et al. 2017
6.2. State Representation:
6.2.1 HIS
Steve Young, Jost Schatzmann, Karl Weilhammer, and Hui Ye. The hidden information state approach to dialog management.
6.2.2 BUDS
Blaise Thomson, Jost Schatzmann, and Steve Young. Bayesian update of dialogue state for robust dialogue systems.
6.3.DST
6.3.1 CRF
Sungjin Lee. Structured discriminative model for dialog state tracking. In Proceedings of the SIGDIAL 2013 Conference. Lee, SIGDIAL 2013
Seokhwan Kim and Rafael E Banchs. Sequential labeling for tracking dynamic dialog states. Kim et al., 2014
6.3.2 NN-Based DST
Multi-domain Dialog State Tracking using Recurrent Neural Network, Mrkšić et al., ACL 2015
Deep Neural Network Approach for the Dialog State Tracking Challenge, Henderson et al., 2013
Robust dialog state tracking using delexicalised recurrent neural networks and unsupervised adaptation, Henderson et al., 2014
Incremental lstm-based dialog state tracker, Zilka el al., 2015 .
6.3.3 Neural Belief Tracker
Neural Belief Tracker: Data-Driven Dialogue State Tracking , Mrkšić et al., ACL 2017
6.3.4 Multichannel Tracker
A Multichannel Convolutional Neural Network For Cross-language Dialog State Tracking, Shi et al., 2016
6.3.5 Transfer learning for DST
6.3.5.1 Feature based transfer for DST
Jason Williams. Multi-domain learning and generalization in dialog state tracking . In Proceedings of SIGDIAL. Williams 2013
Hang Ren, Weiqun Xu, and Yonghong Yan. Markovian discriminative modeling for cross-domain dialog state tracking .
6.3.5.2 Model based transfer for DST
Nikola Mrkšic, Diarmuid O Séaghdha, Blaise Thomson,Milica Gaši ́c, Pei-Hao Su, David Vandyke, Tsung-Hsien Wen, and Steve Young. Multi- domain dialog state tracking using recurrent neural networks . Mrkšic, ACL 2015
D. 2020年护士资格考试人机对话系统答题技巧有哪些
护士资格考试人机对话的一大特点就是题型之间操作不可逆。具体来说就是进入考试之后默认从A1题型的第一道题开始作答，答完A1题型的所有题目并确认不会更改之后才可以点击A2题型的试题开始作答。如果A1题型中有题目未作答或者是想改变答案，必须要在进入A2题型之前修改完毕。只要点击进入A2题型，就不能对A1题型中的作答进行任何修改!
2020年护士资格考试人机对话答题方法：
1、答题原则：单项选择中，最符合题意的选项指的是最正确最全面的选项，例如，若A、B两项都是正确的，但是B项的内容覆盖了A项的内容，则B项是最符合题意的最正确答案。
2、答题技巧：考试中合理运用排除法，首先去掉与题目无关或明显错误的选项，然后在剩下的选项中分析作答。考题选项中有时存在两个矛盾选项，尤其在多选中，矛盾选项至少有一个是错误的。另外合理的猜测也是答题的技巧，因为答总比不答强，所以每个考题都应该作答，一定不要漏答或不答。还要会用单选的唯一性。如果四个选项中有三个与另一个属性不一样，那这一个就很可能是答案。
3、掌握速度：每科的考试时间均在一百分钟左右，应根据题量来安排答题速度。人机对话考试答题不可逆，所以在进入另一个题型前，一定要保证自己所有的题都已经做了。
4、减免差错：一是每题都要注意审题，弄清题意；二是认真，读清楚问题再作答。例如：下列选项不正确的是，一定要读清楚问题；三是要注意在核对自己的姓名、考号等项，并且在交卷时再核对一次；四是在答题完毕后浏览全卷，检查是否有漏题未答。
2020年护士资格考试人机对话答题过程
1、登陆输入自己的准考证号，点击登录，进入考试系统。
2、确认信息登陆之后确认一下自己的考试信息是否正确，以及了解考试屏幕显示内容。
(1)摘要显示部分：摘要显示位于屏幕上部，一般用于显示所考案例描述性文字，如同临床医学题型为“病例摘要”，摘要在本案例的提问没有结束之前始终存在，以使随时为考生提供信息。当下一案例题出现时其自动消失。
(2)提示、提问及答题操作部分：该部分位于屏幕中部。提示，主要结合所提的问题，提供一些参考资料，一般反映病情变化或辅助检查的结果。提问，即需考生回答的问题，通常有6～12个备选答案，考生根据所提供的备选答案直接作答。
(3)图片显示：图片可以是医学影像、心电图、脑电图、病理切片及实物图片等。作为答题的参考资料，当屏幕右下方提示可调用图片时，用鼠标点击或按相关键即换屏显示图片。
(4)计算器的调用：考试过程中，有些试题可能需要进行简单的四则运算，如：单位转换、剂量计算等。这时可以用鼠标点击或按相关键在屏幕上调用“计算器”，其使用方法与普通计算器一样。
(5)操作提示：操作提示部分位于屏幕下部，提示考试剩余时间、题量、当前答题进度，采用两条移动线条的形式，一条表示答题进度(答题进度条)，另一条表示时间进度(时间进度条)，通过比较两者长短或完成百分率，形象地反映答题与时间使用的情况，在实际考试中注意两线的进展速度，若时间进度条的进展速度快于答题进度条时反映考生的答题速度较慢。
3、按照步骤进行答题。
专业实务和实践能力两个科目题型均为选择题，包括A1A2和A3A4型题，总题量为120问，每个科目考试时间均为100分钟，每个科目之间间隔为45分钟，考生在半天参加完这两个科目的考试。考试内容见当年考试大纲。
人机对话考试与纸笔考试中不同知识模块、不同系统疾病的比例一致，题型比例一致。
4、交卷答题完毕之后点击交卷。
备考护士执业资格考试的考生一般都是实习护士，加上疫情的原因，平时备考的时间不多，再加上考试将以前在校分开教学的内科、外科、妇科和儿科等学科混杂在一起考，也增加了考生的取证难度。从以往的考题来看，护士资格考试越来越注重的是考察护士的能力、临床应用，因此，不能割裂学科，也不能还采取学校里面的教学方法，要研究历年考试的规律，抓住重点和难点。
E. Sounds good. 是回答对话中的哪类问题的
是的 建议类
这个没有什么特别的 意思就是 听起来不错 根据意思做题就可以了。
F. 手机有什么软件是能和智能系统对话的，就是你问他问题，他能回答，能跟你聊天的那种
你是说那只小黄鸡吗，好像是叫SimSimi，这个是可以问他问题然后回答的，还是很可爱的。还有的就是那种虚拟男友女友这类的也可以，这种的可以在应用宝上搜索到，输入关键词然后进行查找的话就会有这类的软件可以下载的了，还是有很多可以选择的。
G. 连载 | 2.3 对话系统话术设计注意事项
欢迎大家来学习我们第二章的第三节， 对话系统话术设计的注意事项 。
首先是简洁明了，我们来对比这两个话术。
这是一个对话系统里面常见的话术，完全照搬了之前GUI的的做法，每个模块都罗列上去，而正常人交流会说：你是要重复回答，还是要去到下一个。
借此，给大家介绍一个法则： 格里斯法则 。
格里斯是一个非常有名的语言哲学家，他有四个法则：
给大家举一些反例：
第二个需要注意的事项是 对话的语句要自然 ，经常会看到很多的机器人，用刻板的对话脚本教导用户，希望用户按照他们希望的台词去说话。
处理的办法很简单，大家注意以下这三点：
第三点要处理的是新手用户和老手用户。
这是一个医疗保健的助理，你第一次使用的时候，机器人会说：“让我们来测量血压，请确保血压计的袖带已经打开。将袖带卷到你的手臂上，并使用蓝色箭头指向你的手掌。请保持坐姿双脚平方在地上，当你准备就绪时按下按钮”。
对于一个新用户，机器人用非常详细的去跟他交流是没有问题的。但当一个用户使用一周之后，机器人依然说这么多废话，用户会逐渐变得不耐烦。所以这个时候，你只要跟他说：“到测量血压的时间了，请带上袖带并按下“继续”按钮”，就可以了。
很多时候，也不能只依靠次数来确认模式，因为一个人可能使用了多次，但一两个月只使用一次。在这种情况下，应该继续保持新手提示。要注意你的目标不是简单的训练你的用户，而是适应用户的行为，不是用已有命令让用户感到厌烦。
我们再来看第四个要注意的事项， 适当的使用问候语和结束语 。
首先，你要告诉你的用户是谁，用户要知道他在和机器人说话，还是在和真人说话，让用户有一个明确的预知，当你进行转换的时候你也要告诉他：“我刚刚是机器人，现在我转到了人工。我是人工的小芮，在这儿为你回答问题。”
第二，对话包含的信息要合适，新接触的用户和老用户需要的内容是不一样的。这是在设计对话的时候是要考虑的。
第三，是要采用合适的方式来结束对话，当用户完成目标的时候，比如用户说：“好的，谢谢”“不需要了，谢谢”，你是否知道它是完成？你是否知道它代表着什么？然后你能不能够去快速退出。还是说你会不停的在问：“还有什么需要帮助您的吗？”，或者是说：“你还是需要订机票吗？”，这样的话也会显得你的机器人非常的弱智。
第五个可能会讲的稍微多一点，关于确认这一块，当用户提出一些请求，机器人必须要给用户以回应，就像人和人的交流一样，你需要给对方以回应。你说：“我知道你在说什么了”，这样对方才会继续有跟你沟通下去的欲望， 确认上我们做了三个区分 ：
那这三个有什么区别，接下来会给大家详细的去讲解。
同时注意两件事 ：
我们来看一下这三个确认，什么情况下我们要用到显性确认。
有三种情况：
隐性确认，根据名字我们就可以看的出来，它是在暗示你，不是在明确的说请您确认。
给大家举两个例子，我们看第一个例子：
其实这个就是隐性确认，它也是在偷偷的跟你确认，你是不是在问我北京的天气。如果你说不是，上海的天气怎么样？那机器人也会说：“上海的天气小雨加雪”或者类似怎么样。所以这个时候你要让用户知道，我已经识别到你的信息。
再比如说第二个再给大家举个例子 ：
如果机器人没有识别的很好的时候，那它就可以说：“世界上最高山峰珠穆朗玛峰”，说明我知道你的意思是什么，在问我世界上最高的山峰，我识别到了，那世界上最高的山峰珠穆朗玛峰，这种回答远比回答说：“珠穆朗玛峰”，要更舒服，贴切和智能。
一般隐性确认的场景，则是在对获取信息的识别度，识别准确度较高的时候，为了减少出错进行确认的。
以上是给大家举的例子，是置信度综合的显性确认和隐性确认，这个是看情况而定的。
简单说是看情况而定，比如这是一个智能音响的例子，你跟机器人说再买一些纸巾，那么机器人根据对你话术的识别有一个置信度。技术里面叫confidedce，也可以理解为概率。
当它觉得你80% 的概率会再买一些纸巾，它会直接说：“好的，已经为您订购了更多纸巾”。
如果因为声音较远或者背景嘈杂，他觉得你只有45%-79% 的概率是说在买纸巾的时候，它就会去问你：“你是想再订购一些纸巾吗？”。
如果杂音更多或者它听到了其它的东西，低于45%的概率觉得你在买纸巾，它可以直接问：“对不起，我没有听清你说的话，你想要买什么？”。
当然，80，45也都是一个在现实的场景中迭代总结的数据，任何一个系统不会有一个统一的标准数据的。
最后再给大家做一个对比，那么左边是我没有放任何的确认话术：
这个时候用户的感知是非常硬冷的，总觉得机器人的信息不一定是准确信息。这是缺少隐性确认的话术进行引导的原因，会让用户会觉得很困扰。
以下是修改后的案例：
这个时候你有没有觉得更踏实一点了呢。
随机策略是很简单的，因为机器人是我们去设计的，我们希望机器人更加的贴近人，所以回答的时候，尽量加一些随机的策略，避免应答的单调或套路化。
比如说好的，没问题，收到，OK都可以这么说。只要用户觉得机器人好像还满聪明的，不会很刻板。
第七个是使用对话式标识。什么叫对话式标识？
对话式标识是让用户了解交谈进展，以及进展情况的重要方式。当系统在对话中使用了一些基本的对话礼仪以后，用户的参与度会更高，并且会以同样的方式进行回复，就像胶水一样将各个部分连接在一起。
比如说时间线：
比如说我有三个问题想问你：
类似这样的一个调研问卷，远比你直接抛给他三个问题要好。
第二个是接受回应时段
这个之前就有例子给大家介绍了。
积极反馈：
类似这样比较适合做医疗助理，那么比如说用户已经按你的要求测量了血压等，这个时候你可以给用户一个积极的反馈，用户会更愿意按照你接下来的操作去往下进行。
这是一个医疗的例子，左边：
感觉非常生硬，冷冰冰的。
但我们看另外一种话术设计：
用户就知道自己走到哪一步了，他知道我跟你说吃完了，基本上我可以跟你结束对话了，所以它最后也说：“暂时就这些了，我以后再问你，再见”。
希望大家通过这种对话式标识，让你的机器人看起来更舒服。
再有一个是加入异常处理，比如说可以主动询问：
第二类是增强错误提示信息，比如机器人说：
用户随便说一个数字，机器人说：
机器人很快就反应过来了。
然后这样的话，会通过这种对话去告诉它，你应该去引导他给出一个正确答案。
最后实在没有办法了，我们可以把他转交给人工。
还有一块是设计对话通用的模块，比如说主菜单。这一块是想跟大家说CUI和GUI是有一些共同的地方的。
GUI里边有的主菜单、帮助健或退出键，我们CUI中或者对话的这种交互中一定要有的，只不过它可能代表的是一种意图。你要去设计这种意图，用户说什么样的话会触发。
那么很多人会只顾着设计自己的故事线，设计自己的愉悦路径，就把这些最基本的GUI里面要注意的点忘记了。
再给大家最后再讲几个设计延迟的话术。
其实很多时候，查询的过程是需要一些时间的，或者说我们去买一张机票，可能需要等代理商确认以后才能出票，你都要明确告知你的用户：“请稍等，我在查询相关记录”或“请稍等，我正在订票”，让用户知道我需要等待多久，远比你等三分钟之后再跟他说：“您好，给您做好了”。用户为着三分钟等着就很焦躁，你不如先告诉他，再让他等三分钟。
还有一个就是设计歧义的消除话术，也是一个例子吧：
这也是通过一些隐性确认的方式，去做了歧义的消除。
最后再给大家举一个例子，也是希望大家能够有这个意识，人的表达会存在各种各样的情况，不管用户说什么，不要把它当场一个错误来处理，而是去寻找如何把它变成一个主动学习的机会。
那么举一个例子就是：
其实机器人根本就不知道梅球王是谁，那你不要把它当成一个错误，你可以问他
把每一种对话的交互都转变成一种提供价值的互动机会，机器像人一样在交流中学习。
这就是我们在对话系统设计话术中的一些例子和注意事项，希望大家能够有所收获，我们下期再见。
H. 试列举常见的网络系统故障类型,并说明解决办法
1.故障现象：网络适配器（网卡）设置与计算机资源有冲突。
分析、排除：通过调整网卡资源中的IRQ和I/O值来避开与计算机其它资源的冲突。有些情况还需要通过设置主板的跳线来调整与其它资源的冲突。
2.故障现象：网吧局域网中其他客户机在“网上邻居”上都能互相看见，而只有某一台计算机谁看不见它，它也看不见别的计算机。(前提：该网吧的局域网是通过HUB或交换机连接成星型网络结构）
分析、排除：检查这台计算机系统工作是否正常；检查这台计算机的网络配置；检查这台计算机的网卡是否正常工作；检查这台计算机上的网卡设置与其他资源是否有冲突；检查网线是否断开；检查网线接头接触是否正常。
3.故障现象：网吧局域网中有两个网段，其中一个网网段的所有计算机都不能上因特网。（前提：该网吧的局域网通过两个HUB或交换机连接着两个的网段）
分析、排除：两个网段的干线断了或干线两端的接头接处不良。检查服务器中对该网段的设置项。
4.故障现象：网吧局域网中所有的计算机在“网上邻居”上都能互相看见。（前提：该网吧的局域网是通过HUB或交换机连接成星型网络结构）
分析、排除：检查HUB或交换机工作是否正常。
5.故障现象：网吧局域网中某台客户机在“网上邻居”上都能看到服务器，但就是不能上因特网。（前提：服务器指代理网吧局域网其他客机上因特网的那台计算机，以下同）
分析、排除：检查这台客户机TCP/IP协议的设置，检查这台客户机中IE浏览器的设置，检查服务器中有关对这台客户机的设置项。
6.故障现象：网吧整个局域网上的所有的计算机都不能上因特网。
分析、排除：服务器系统工作是否正常；服务器是否掉线了；调制解调器工作是否正常；局端工作是否正常。
7.故障现象：网吧局域网中除了服务器能上网其他客户机都不能上网。
分析、排除：检查HUB或交换机工作是否正常；检查服务器与HUB或交换机连接的网络部分（含：网卡、网线、接头、网络配置）工作是否正常；检查服务器上代理上网的软件是否正常启动运行；设置是否正常。
8.故障现象：进行拨号上网操作时，MODEN没有拨号声音，始终连接不上因特网，MODEN上指示灯也不闪。
分析、排除：电话线路是否占线；接MODEN的服务器的连接（含：连线、接头）是否正常；电话线路是否正常，有无杂音干扰；拨号网络配置是否正确；MODEN的配置设置是否正确，检查拨号音的音频或脉冲方式是否正常。
9.故障现象：系统检测不到MODEN（若MODEN是正常的）。
分析、排除：重新安装一遍MODEN，注意通讯端口的正确位置。
10.故障现象：连接因特网速度过慢。
分析、排除：检查服务器系统设置在“拨号网络”中的端口连接速度是否是设置的最大值；线路是否正常；可通过优化MODEN的设置来提高连接的速度；通过修改注册表也可以提高上网速度；同时上网的客户机是否很多；若是很多，而使连接速度过慢是正常现象。
11.故障现象：计算机屏幕上出现“错误 678” 或“错误 650” 的提示框。
分析、排除：一般是你所拨叫的服务器线路较忙、占线，暂时无法接通，你可进一会后继续重拨。
12.故障现象：计算机屏幕上出现“错误680：没有拨号音。请检测调制解调器是否正确连到电话线。”或者“There is no dialtone。 Make sure your Modem is connected to the phone line properly。”的提示框。
分析、排除：检测调制解调器工作是否正常，是否开启；检查电话线路是否正常，是否正确接入调制解调器，接头有无松动。
13.故障现象：计算机屏幕上出现“The Modem is being used by another Dial-up Networding connection or another program。Disconnect the other connection or close the program,and then try again”的提示框。
分析、排除：检查是否有另一个程序在使用调制解调器；检查调制解调器与端口是否有冲突。
14.故障现象：计算机屏幕上出现“The computer you are dialing into is not answering。Try again later”的提示框。
分析、排除：电话系统故障或线路忙，过一会儿再拨。
15.故障现象：计算机屏幕上出现“Connection to xx.xx.xx. was terminated. Do you want to reconnect?”的提示框。
分析、排除：电话线路中断使拨号连接软件与ISP主机的连接被中断，过一会重试。
16.故障现象：计算机屏幕上出现“The computer is not receiving a response from the Modem. Check that the Modem is plugged in,and if necessary,turn the Modem off ,and then turn it back on”的提示框。
分析、排除：检查调制解调器的电源是否打开；检查与调制解调器连接的线缆是否正确的连接。
17.故障现象：计算机屏幕上出现“Modem is not responding”的提示框。
分析、排除：表示调制解调器没有应答；检查调制解调器的电源是否打开；检查与调制解调器连接的线缆是否正确连接；调制解调器是损坏。
18.故障现象：计算机屏幕上出现“NO CARRIER”的提示信息。
分析、排除：表示无载波信号。这多为非正常关闭调制解调器应用程序或电话线路故障；检查与调制解调器连接的线缆是否正确的连接；检查调制解调器的电源是否打开。
19.故障现象：计算机屏幕上出现“No dialtone” 的提示框。
分析、排除：表示无拨号声音；检查电话线与调制解调器是否正确连接。
20.故障现象：计算机屏幕上出现“Disconnected”的提示时。
分析、排除：表示终止连接；若该提示是在拨号时出现，检查调制解调器的电源是否打开；若该提示是使用过程中出现，检查电话是否在被人使用。
21.故障现象：计算机屏幕上出现“ERROR” 的提示框。
分析、排除：是出错信息；调制解调器工作是否正常，电源是否打开；正在执行的命令是否正确。
22.故障现象：计算机屏幕上出现“A network error occurred unable to connect to server (TCP Error：No router to host)The server may be down or unreadchable。Try connectin gagain later”的提示时。
分析、排除故障：表示是网络错误，可能是TCP协议错误；没有路由到主机，或者是该服务器关机而导致不能连接，这时只有重试了。
23.故障现象：计算机屏幕上出现“The line id busy, Try again later”或“BUSY”的提示时。
分析、排除：表示占线，这时只在重试了。
24.故障现象：计算机屏幕上出现：“The option timed out”的提示时。
分析、排除：表示连接超时，多为通讯网络故障，或被叫方忙，或输入网址错误。向局端查询通讯网络工作情况是否正常。检查输入网址是否正确。
25.故障现象：计算机屏幕上出现“Another program is dialing the selected connection”的提示时。
分析、排除：表示有另一个应用程序已经在使用拨号网络连接了。只有停止该连接后才能继续我们的拨号连接。
26.故障现象：在用IE浏览器浏览中文站点时出现乱码。
分析、排除故障：IE浏览器中西文软件不兼容造成的汉字会显示为乱码，可试用NetScape的浏览器看看；我国使用的汉字内码是GB，而台湾使用的是BIG5，若是这个原因造成的汉字显示为乱码，可用RichWin变换内码试试。
27.故障现象：浏览网页的速度较正常情况慢。
分析、排除：主干线路较拥挤，造成网速较慢；(属正常情况)浏览某一网页的人较多，造成网速较慢；(属正常情况)有关Modem的设置有问题；局端线路有问题。
28.故障现象：能正常上网，但总是时断时续的。
分析、排除：电话线路问题，线路质量差；调制解调器的工作不正常，影响上网的稳定性。
29.故障现象：用拨号上网时，听不见拨号音，无法进行拨号。
分析、排除：检查调制解调器工作是否正常，电源打开否，电缆线接好了没，电话线路是否正常。（大众网络报）
30.故障现象：在拨号上网的过程中，能听见拨号音，但没有拨号的动作，而计算机却提示“无拨号声音”。
分析、排除：可通过修改配置，使拨号器不去检测拨号声音。可进入“我的连接”的属性窗口，单击“配置”标签，在“连接”一栏中去掉“拨号前等待拨号音”的复选框。
31.故障现象：在拨号上网的过程中，计算机屏幕上出现：“已经与您的计算机断开，双击‘连接’重试。”的提示时。
分析、排除：电话线路质量差，噪声大造成的，可拨打：112报修。也可能是病毒造成的，用杀毒软件杀一遍毒。
32.故障现象：若计算机屏幕上出现：“拨号网络无法处理在‘服务器类型’设置中指定的兼容网络协议”的提示时。
分析、排除：检查网络设置是否正确；调制解调器是否正常；是否感染上了宏病毒，用最新的杀毒软件杀一遍毒。
33.故障现象：Windows 98网上邻居中找不到域及服务器，但可找到其他的工作站。
分析、排除：在“控制面板→网络→Microsoft网络客户”中，将登录时Windows 98与网络的连接由慢速改为快速连接。
34．故障现象：在查看"网上邻居"时，会出现“无法浏览网络。网络不可访问。想得到更多信息，请查看‘帮助索引‘中的‘网络疑难解答’专题。”的错误提示。
分析、排除：第一种情况是因为在Windows启动后，要求输入Microsoft网络用户登录口令时，点了"取消"按钮所造成的，如果是要登录NT服务器，必须以合法的用户登录，并且输入正确口令。第二种情况是与其它的硬件产生冲突。打开“控制面板→系统→设备管理”。查看硬件的前面是否有黄色的问号、感叹号或者红色的问号。如果有，必须手工更改这些设备的中断和I/O地址设置。
35．故障现象：在“网上邻居”或“资源管理器”中只能找到本机的机器名。
分析、排除：网络通信错误，一般是网线断路或者与网卡的接确不良，还有可能是Hub有问题。
36.故障现象：安装网卡后，计算机启动的速度慢了很多。
分析、排除：可能在TCP/IP设置中设置了"自动获取IP地址"，这样每次启动计算机时，计算机都会主动搜索当前网络中的DHCP服务器，所以计算机启动的速度会大大降低。解决的方法是指定静态的IP地址。（大众网络报）
37．故障现象：网络安装后，在其中一台计算机上的“网络邻居”中看不到任何计算机?
分析、排除：主要原因可能是网卡的驱动程序工作不正常。请检查网卡的驱动程序，必要时重新安装驱动程序。
38．故障现象：从“网络邻居”中能够看到别人的机器，但不能读取别人电脑上的数据？
分析、排除：
（1）首先必须设置好资源共享。选择"网络→配置→文件及打印共享"，将两个选项全部打勾并确定，安装成功后在"配置"中会出现"Microsoft网络上的文件与打印机共享"选项。
（2）检查所安装的所有协议中，是否绑定了"Microsoft网络上的文件与打印机共享"。选择"配置"中的协议如"TCP/IP协议"，点击"属性"按钮，确保绑定中"Microsoft网络上的文件与打印机共享"、"Microsoft网络用户"前已经打勾了。
39．故障现象：在安装网卡后通过"控制面板→系统→设备管理器"查看时，报告"可能没有该设备，也可能此设备未正常运行，或是没有安装此设备的所有驱动程序"的错误信息。
分析、排除：
（1）没有安装正确的驱动程序，或者驱动程序版本不对。
（2）中断号与I/O地址没有设置好。有一些网卡通过跳线开关设置；另外一些是通过随卡带的软盘中的Setup程序进行设置。
40．故障现象：已经安装了网卡和各种网络通讯协议，但网络属性中的选择框"文件及打印共享"为灰色，无法选择。
分析、排除：原因是没有安装"Microsoft网络上的文件与打印共享"组件。在"网络"属性窗口的"配置"标签里，单击"添加"按钮，在"请选择网络组件"窗口单击"服务"，单击"添加"按钮，在"选择网络服务"的左边窗口选择"Microsoft"，在右边窗口选择"Microsoft网络上的文件与打印机共享"，单击"确定"按钮，系统可能会要求插入Windows安装光盘，重新启动系统即可。
41．故障现象：无法在网络上共享文件和打印机。
分析、排除：
（1）确认是否安装了文件和打印机共享服务组件。要共享本机上的文件或打印机，必须安装"Microsoft网络上的文件与打印机共享"服务。
（2）确认是否已经启用了文件或打印机共享服务。在"网络"属性框中选择"配置"选项卡，单击"文件与打印机共享"按钮，然后选择"允许其他用户访问的我的文件"和"允许其他计算机使用我的打印机"选项。
（3）确认访问服务是共享级访问服务。在"网络"属性的"访问控制"里面应该选择"共享级访问"。
42．故障现象：客户机无法登录到网络上。
分析、排除：
（1）检查计算机上是否安装了网络适配器，该网络适配器工作是否正常。
（2）确保网络通信正常，即网线等连接设备完好。
（3）确认网络适配器的中断和I/O地址没有与其他硬件冲突。
（4）网络设置可能有问题。
43．故障现象：无法将台式电脑与笔记本电脑使用直接电缆连接。
分析、排除：笔记本电脑自身可能带有PCMCIA网卡，在"我的电脑→控制面板→系统→设备管理器"中删除该"网络适配器"记录后，重新连接即可。
44.故障现象：在网上邻居上可以看到其它机器，别人却看不到自己？
分析、排除：经检查网络配置，发现是漏装"Microsoft网络上的文件与打印机共享"所致。解决办法：开始设置控制面板网络，单击"添加"，在网络组件中选择"服务"，单击"添加"按钮，型号中选择"Microsoft网络上的文件与打印机共享"即可。重新启动后问题解决。
45.故障现象：在网上邻居上只能看到计算机名，却没有任何内容？
分析、排除：出现这种问题时一般都以为是将文件夹没有共享所致。打开资源管理器，点取要共享的文件夹，却发现右键菜单中的"共享"项都消失了。解决办法是右击“网上邻居”图标，点取“文件及打印共享”，钩选“允许其它用户访问我的文件”，重启后，问题解决。
46.故障现象：在Windows 98的“网上邻居”中找不到域及服务器，但可找到其他的工作站?
分析、排除：在“控制面板→网络→Microsoft网络客户”中，将登录时Windows 98与网络的连接由慢速改为快速连接。
47.故障现象：在查看“网上邻居”时，会出现“无法浏览网络。网络不可访问。想得到更多信息，请查看'帮助索引'中的'网络疑难解答'专题。”的错误提示。
分析、排除：
（1）这是在Windows启动后，要求输入Microsoft网络用户登录口令时，点了“取消”按钮所造成的，如果是要登录Windows NT或者Windows 2000服务器，必须以合法的用户登录，并且输入正确口令。
（2）与其它的硬件起冲突。打开“控制面板→系统→设备管理”。查看硬件的前面是否有黄色的问号、感叹号或者红色的问号。如果有，必须手工更改这些设备的中断和I/O地址设置。
48.故障现象：用Windows 2000专业版做服务器，然后用Windows 98做客户机，网上邻居正常，Windows 98与Windows 98之间突然变得很慢，但从Windows 2000访问Windows 98却很快。
分析、排除：大家在通过网络系统浏览共享文件时，大概都会要等上30秒钟。这其实是因为Windows 2000多个BUG，一定要先在“计划任务”里搜索，再找出共享文件。而我们提到的这个方法就是专门修补这个BUG的，如果做一些改动的话，Windows 2000的用户就会发现，无论是互联网还是视窗浏览的速度都有了很显着的提高:
打开注册表
HKEY_LOCAL_MACHINE/Software/Microsoft/Windows/CurrentVersion/Explorer/RemoteComputer/NameSpace
在其分栏出选择键值：
{D6277990 -4C 6A -11CF-8D87-00AA 0060F 5BF
然后删除。
因为就是这个健值引导Windows去搜索“计划任务”。不需要重新开机，几乎立刻就可以感受到你的浏览程序快了很多！
49.故障现象：已经按照要求安装、设置好Sygate，但服务器仍不能连接网络。
分析、排除：使用Sygate中特有的Sygate Diagnostics（诊断）功能。可以通过以下两种方式来启动诊断医生，在Sygate王界面的工具栏电权击Diagnosticstool（诊断工具）图标，或者点去开始一程序一Sygate——Sygate Diagnostics。这时诊断工具会依次测试系统设置、网络适配器、拨号连接、TCP/IP协议与设置等。如果测试不能通过，系统会出现一个提示，描述问题及指点正确的方向。此时你可以根据提示作相应的更改。如果测试通过，诊断工具会显示已经测试通过的提示。
50.故障现象：正确安装Sygate4后，网络中的某些客户机不能正常使用。
分析、排除：一般情况，客户机不能正常使用多为TCP/IP的配置出现问题，当然也不排除操作系统和硬件（比如网卡已坏等）的问题，在这种情况下，你可以使用Sygate的Troubleshooting（发现并解决故障）功能，在出现的表单中详细列出使用Sygate后产生的信息资料，例如：sdsys．log、Sygate．log、sgconf．log、sgsys．log等，在这些日志中包含了服务器、操作系统、拨号网络、网卡、浏览网址、应用程序等详细资料，你可以根据这些资料来判断故障，然后作出相应修改。
51.故障现象：自从安装Sygate后，服务器经常会莫名其妙自动拨号上网。
分析、排除：这是因为网络中的客户机启动了某些网络软件，例如浏览器、电子邮件软件等，而又在配置中勾进了Enable Dial－on－Demand For Cline（允许客户机拨号），这样当SyGate侦测到网络中有连接到Internet的请求，如此时系统尚未建立连接，便会自动拨号。只要去掉前面的小勾，即能解决这个问题。
52.故障现象：用分机电话线上网，Modem为实达网上之星，上网连接速度最快才48000bps。还有，将Modem放在主机箱侧，开机后（未打开Modem电源），家里的电话就处于忙音状态。
分析、排除：第一个问题跟分机电话线或线接头质量有很大关系，另外，如果Modem的速度平常都能接近48000bps，也不要太在意，应该重点先看一下它的实际下载速度是否令你满意。第二个问题，肯定和主机电源的电磁辐射强和屏蔽效果差有关，最好用物体在主机和Modem之间进行屏蔽，或将Modem远离主机。
53.故障现象：一台计算机通过局域网连接,一切正常。但是换了一个硬盘、重新安装Win98操作系统后,查看网上邻居时,只能看到自己的计算机和所属的工作组；而访问外部网却没有问题，收发邮件也没问题。
分析、排除：启动电脑后不要立即打开网上邻居，而是等一下再打开，并且按F5键刷新，一般可以看到新的工作组和用户。如果实在不行，就用查找计算机，找到其他组的计算机后作成快捷方式放在桌面上。
54.故障现象：有时ADSL的访问速度较平时慢。
分析、排除：原因很多：可能是出口带宽及对方站点配置情况等原因的影响；可能是线路的质量情况的影响；可能是接入局端设备影响。
55.故障现象：在Windows NT4.0操作系统上已经安装了Modem、TCP/IP协议和RAS服务，但在拔号上网铁过程中，计算机屏幕上出：“734错误，对方服务器终止(口令和用户名均无误，在Windows下可以正常上网)”的提示框。
分析、排除：在“设置”中不要输入域名试试看。
56.故障现象：在Windows NT4.0操作系统上拨号上网的过程中，在检测用户名和密码时要断线。
分析、排除：可以将验证密码的选项改成明文验证方式试试看；可以把拨号网络属性中“拨号后出现终端窗口”复选框选中试试看。
57．故障现象： 在Windows NT4.0操作系统上拨号上网的过程中，在检测用户名和密码后自动断开。
分析、排除：可在“新的电话簿项”中，单击“安全”项，然后在“认证与加密规则”中选中“接受任何验证”。
58．故障现象：只要一启动IE浏览器，就会自动执行发送和接收邮件。
分析、排除：可打开IE浏览器，在菜单栏中单击“工具(T)”项，在弹出的下拉式菜单中选中并单击“Internet选项(O)”项，在弹出的对话框中单击“常规”标签，去掉“启动时自动接收所有帐号怕邮件”项便可以了。
I. 公务员面试的时候考官都问哪些问题都问什么类型的问题
公务员面试的题目主要出在处理关键、突然、棘手的行政性质的题目。
比如，在北京前年的公务员面试中有一道这样的题目：你负责采购单位的一批电脑，张领导说要买品牌机，气派；王领导说要买兼容机，实惠。你要怎么办？ 这就涉及到人际关系和上下级、上级之间的关系调和问题。
还有一道国家公务员考试的面试题，是问如果你是导游，带队第一次去往新的旅游线，在景区突然有队员出现食物中毒的症状，你怎么办？ 这要求的是你处理突然、紧急事务的能力。
其实，考这类题目往往要求你的是稳重，以及大局观，既要面面俱到又要事事抓在点上，更何况面试的问题往往有彼此的重复性和模式化，并不难对付。第一个问题看似棘手，而且很多人也会为难自己的立场，又难讨好上级又怕下属说自己谄媚，其实这类题目的回答模式就是两不得罪，另立山头。
自己去做市场调研，分析品牌机和兼容机的优劣，自己做主选择一类，而且和张领导解释你买的电脑式样好，质量也靠得住；对王领导则说明电脑的价格和其他的电脑相比是比较低的，而且性能也不差。这样，就是这一道题目的解题技巧，实际上，并不难。
J. 智能客服结构-v1.0
前言 ：这篇文章仅对客服机器人这种偏任务导向型机器人架构的探究，文章中部分是已经得到验证的经验，部分是经历了行业无数竞品的对比中针对面临的问题重构出的产品结构。我一直坚持“对话机器人的对话结构是一个产品策略”的观点，所以这篇文章更偏向于针对电商（笔者是电商垂直行业）智能客服对话机器人（文中简称智能客服）中的用户现象的产品策略问题，有不足之处欢迎各位产品与技术大佬们指导。
一、目录概述
内容主要分为整体结构与常见问题两个角度的探究。因用户在智能客服中的表现的多样性，故不穷举赘述，在每个解决方案与架构设置原因中针对单独问题一一探究。
二、智能客服主要解决的问题
客服主要解决用户Q（query）→A（answer）问题，好的资深客服对业务逻辑结构更了解，不仅能基于用户未完全角容时推断用户情况、根据用户情况给予更多的业务解决方案，更能在对话中判断用户的倾向性（情感、期望值等）。
那智能客服如何像客服一样解决问题呢。下面引入三个概念
图1 用户问法，业务逻辑结构，业务解决方案关系图
名词解释：
[if !supportLists]Ø [endif] 业务逻辑结构（因笔者对知识图谱理解太浅，固用此名字代替） ：面向用户的业务类型，多呈现树状结构，如售后，售后-退货，售后-退货-运费等的二叉树结构；某个子业务的判断条件，如常见电商的退货条件为七天。
注 ：为什么将判断条件放在业务逻辑结构中，后续会讲到的用户问法中会将某一判断条件作为意图放在会话中。如“我要退货”的处理方式需要判断用户订单是否超过七天，用户的延伸问法“我的订单刚买两天，想退货”，此问题在理解中属于重难点解决问题。
[if !supportLists]Ø [endif] 业务解决方案 ：通常针对于某一业务会延伸出多样化的子业务，如：“我要退货”“退货用什么快递”“退货的运费谁承担”，通常对于一问题会有至少1+的解决方案（公司能提供的解决方案多少问题根据公司能力决定不在此讨论）。
[if !supportLists]Ø [endif] 用户问法 ：自然语言中的现象结合某一子业务产生的问法类型不用，如：“定义类——什么是七天无理由退货”“满足类——我的订单支持七天无理由退货吗”等。
解决智能客服问题应答用户问题主要解决 两个问题 ：
1.解决用户问法在业务逻辑结构（知识图谱）中的位置问题。
2.解决用户问法+业务逻辑结构=用户解决方案问题。
三、
针对于上面我们提到的智能客服主要解决的问题，笔者提供两种 解题思路 ：
[if !supportLists]1. [endif]分类业务类型，将业务类型中的问题用QA的方式维护，对用户问题中的子串（去无用词“吗”“好的”等）用检索重排序的方法分别在增加的Q中和A中进行筛选，最终筛选出阈值最高的一条Q或者A，以此条答案为回复用户问题的答案。当然，中间有不少稳定准确率与召回率的兜底方案，可根据实际情况调控。此方法的好处在于稳定，不过更像解决搜索问题而不是解决对话机器人问题。
2.第二种方案是本篇主要讲的方案，引用三角兽科技CEO 王卓然博士《任务驱动多轮对话评测标准【人机对话评测系列之一】》中的图为例。（文末会有此篇文章的链接）
图2: 任务驱动的多轮对话系统的一个经典框图
主要把智能客服对话结构为三部分：意图理解NLU（用户目的分类和Spoken Language Understanding）、对话状态（Dialogue State）、应答（System Action）。图中ASR（语音识别）、NLG（答案生成）、TTS（文语）模块因并非提升智能客服主要的体验问题，并且笔者未深入研究，故此篇文章不深入探讨，后续了解后会针对这些问题单独讲述。
三、智能客服与业务结合基础
3.1 把业务教给智能客服
上文中提到，要解决用户问题，必须让对话系统模拟业务的真实状况，所以梳理业务逻辑结构非常重要。
拆分业务逻辑主要为三点原则：
[if !supportLists]² [endif]用户通常有哪些目的（能提供的业务有哪些）
[if !supportLists]² [endif]这些目的之间有没有关联性（不包含会话中易出现的关联性）
[if !supportLists]² [endif]哪些信息（条件）是实现目的的必要因素
待探究问题：有没有清晰的拆解规则同时满足NLU的准确性与业务的完整性？此规则能否通用？
拆分完业务逻辑结构，更重要的是把业务逻辑结构教给智能客服。基于拆分的三点原则，我们要教给智能客服的为两点：
[if !supportLists]² [endif]有哪些意图（intent）或分类—自然语言理解的分类问题。
[if !supportLists]² [endif]哪些是实现意图的必要条件—结构化识别与多轮对话问题。
3.2 理解用户在对话中的目的
在对话系统中，自然语言中的query会呈现结构化的语义表示，这个结构化的语义通常被称作dialogue act由 communicative function 和 slot-value pairs 组成，其中 communicative function 表示 query 的类型（如：陈述需求，询问属性，否定，选择疑问，等等）而每个 slot-value pair 则表达一个限制条件（constraint），也可理解为用户目标的一个组成单元。
例如“我的订单到上海了吗”对应的dialogue act可以表示为inform（entity=订单or物流，location=上海）。这里的inform就是communicative function，表示询问查询，“entity=订单or物流“和“location=上海”是限制条件（slot-value pair）
四、智能客服架构
3.3 意图识别NLU
此处的意图识别NLU，单指 对用户标准问法(用户一句话把问题描述清楚)的理解与分类 和对话系统中的 口语处理问题 。
由于用户在对话系统中输入时更偏向与口语化的表述，所以在对话系统的意图识别板块，我们更关注口语处理，其中包含了对非严谨语法（即用户问题可能产生的语法错误纠错与错别字接错）和识别中如何保持准确的鲁棒问题。
为什么一定要将用户语义（dialogue act）作 结构化识别 ，主要是解决用户将条件加在会话中陈述的导致容易造成智能客服理解混淆问题（例如上文提到的我收货两天了能不能退货）。
当然，我们也可根据业务场景不同才用不同的识别策略。
Google 的dialogflow 在识别上有的三种策略：
[if !supportLists]² [endif]trait策略：整句理解，比如意图、情感等，通过分析整个用户问句来得到实体值
[if !supportLists]² [endif]free-text策略：用来抽取用户问句中的子串，这些子串通常不会包含在预定义的实体值词典中
[if !supportLists]² [endif]keywords策略：用于处理需要抽取的实体值可枚举的情况，我们为实体准备好一个预定义的实体值词典，该实体的抽取就通过使用实体值词典做匹配来完成
网络UNIT 也同时区分了利用词槽与槽组的识别与特征词的识别。
采取哪种识别策略，主要还是根据业务的可行性与最终达到的效果进行确定 ，当然亦可组合使用，我们可以根据词槽来判断用户询问的业务之间的关联性，可根据用户整句识别判断用户的情感偏向，也可在业务子串可穷举并且关联性小的情况下使用关键词策略提高识别的准确性。
但是在用户与机器完成的单轮对话中，依然存在一定的难点，此问题在后面详细讨论。
结论： 上文中提到的意图识别或SLU问题，大家应该可以注意到，其本身都是典型的结构化分类问题，虽然所用的模型千差万别，其中对于处理过拟合、欠拟合的方法也褒贬不一，但是无非就是准确率、召回率等问题。
3.4 对话状态
对话系统中存在的现象决定了对话状态跟踪（Dialogue State Tracking）存在的必然性。
大家可以注意到，上文中提到的分类问题属于标准情况下的处理方式，但用户在对话系统中的表现拥有不确定性，所以在这里给对话系统引入了一个在不确定性环境下决策的问题（planning under uncertainty），虽然最终的决策是由下面要介绍的对话策略完成的，但是对话状态需要为后面的决策提供依据，也就是如何刻画这个不确定性的问题。
在智能客服对话中存在以下现象：
[if !supportLists]ü [endif]不考虑上文中提到的口语处理，在用户问法中，存在 闲聊 与 业务 两种形态的对话，其中闲聊为业务的辅助构成部分。
[if !supportLists]ü [endif]业务问题中，存在 意图清晰 与 意图模糊 的问法
[if !supportLists]ü [endif]用户意图清晰的情况下，我们需要根据业务需要让用户补充必要条件，或通过用户补充让问题更精确。如：天气问题中，用户询问“北京明天天气”“北京明天八点天气”，都可给出答案，不同的在于答案的精准程度。
基于以上三种现象，首先我们需要知道用户在 当前对话 中 处于什么状态， 其次是根据当店对话状态我们给出用户 最终答案 需要什么 对话策略。
3.4.1 对话状态跟踪
对话状态跟踪，简单来说就是根据对话来确定用户 当前或最终的目标 到底是什么，此处不仅包括封闭域对话中的 任务驱动式多轮对话， 还包括区分闲聊、问答、任务四类问题，根据业务情况划分意图模糊与意图清晰之间的界限。
[if !supportLists]Ø [endif]在区分闲聊、问答、任务类问题中，大概可分为三点
[if !supportLists]1. [endif] 为什么要区分闲聊 ：闲聊是一种不局限于话题的开放域聊天（开放域机器人如微软小冰），即在用户的问题 没有明确的信息 或 服务需求时 系统做出的回应。
开放域聊天在智能客服中的作用有两点：第一点为拉近距离、顺滑对话过程、建立信任等；第二点为挖掘用户情绪引导用户服务请求。
[if !supportLists]2. [endif] 是否需要区分问答、任务类 ：以智能客服行业典范阿里小蜜来说，是区分了问答类和任务类问题的，但是为什么区分政策和任务类问题以笔者的经验来说仅是根据解决方案的不同，但在用户query无法提现。
如：“是否支持七天无理由退货”的两层含义：一层为公司政策是否支持，一层是用户询问购买的商品是否支持。前者是以搜索较优方案的政策类解答问题，后者是以任务式判断的方式解答问题更为准确。
所以，在QA问答系统和task flow驱动式系统上，个人认为电商类问题更趋向于用task flow解决问题并将QA融入其中。当然，此问题还需要根据客服解决问题的形态具体情况具体分析。
[if !supportLists]Ø [endif]意图清晰与意图模糊问题
如何定义意图清晰与意图模糊问题，抛开自然语言中的口语处理不讲，我认为它 更偏向 于一个 业务问题 。
对于用户来说，用户对智能客服的目标（user goal）是可以确定的，用户目的的表示形式是一组限制条件（slot-value
pairs）的排列组合。换句话说，理解用户真正的目的（user goal），需要机器理解上文中说到的业务逻辑结构（知识图谱）中每一枝干的关系（或归属于某一枝干）。
也就是说，当用户当前的会话表述中某一组限制条件的排列组合 对应多个枝干 时，为 意图模糊问题 。当 对应一条枝干 时，为 意图清晰问题。
对于 意图模糊问题 的解决方式，大可以用检索式反问的形式来引导用户，即询问用户 可能想问的问题是什么 。对于 意图清晰问题 ，但无法给出明确答案时，为一个 任务驱动式的多轮对话问题 （后文多轮对话展开讨论），即电商问题中常见的需要用户补充订单号或某些意图。
[if !supportLists]Ø [endif]当进行了前面的口语处理，闲聊与业务区分，区分意图模糊与清晰问题后，我们已经可以理解了用户的目的，即用户问的问题属于业务逻辑结构（知识图谱）中的哪一枝干，接下来在解决用户服务请求的过程中，最后需要处理的就是 补充用户目的所需的判断条件或槽位 （如“查物流”我们需要知道用户的订单号）和 判断用户的目的改变 （如“查物流”转变为“几天能到”问题） 。
以上问题为智能客服对话状态跟踪中常见的需要解决的问题，但是任务驱动式多轮对话中问题现象不仅于此，在下文的多轮对话问题中再详细阐述。
3.4.2 对话策略
理解了用户在对话中的行为，我们来讨论一下关于对话状态中使用的对话策略问题。
对话策略是根据上面介绍的置信状态来决策的过程。对话策略的输出是一个系统动作（system action）。和用户的 dialogue act 类似，系统动作也是一个由communicative function 和 slot-value
pairs 组成的语义表示，表明系统要执行的动作的类型和操作参数。“每次决策的目标不是当前动作的对与错，而是当前动作的选择会使未来收益的预期（expected long-term reward）最大化”
根据上文中的讲述，此问题也可分为三种类型。
[if !supportLists]Ø [endif]基于开放域机器人的闲聊来建立信任、引导操作、增加对话流畅度问题，此问题笔者并没有深入研究，但就经验来讲，可实现的策略包含用户发起咨询时的预判用户问题与引导用户操作。
[if !supportLists]Ø [endif]区分用户意图模糊与意图清晰的策略，在意图模糊中，个人更偏向于用检索+重排序的方式定位用户问题在训练语料或业务逻辑结构，进而产生用户可能咨询的问题，也就是在对话中反问用户，但一方面用户会因为机器人猜的不准确而对智能客服的信任感降低，另一方面推测的准确性和人一样，更依赖于知识的覆盖率与准确率。所以，让智能客服像资深客服一样能“猜”的更准，还是一个需要实际验证的问题。
[if !supportLists]Ø [endif]任务驱动式多轮对话中的补充用户槽位与目的转变的槽位继承问题本身更偏向于根据业务去优化的问题。
补充用户槽位的问题很好理解，如“查物流”需要询问“您要咨询的订单号是？”，进而能得到很好地解决。
目的转变后的槽位继承问题还是需要根据业务情况做详细调整，如上文提到智能客服在“查物流”中获取了用户订单号，那么用户问“多久能送到”时，意图转变后订单号依旧需要继承。当然此问题中会因用户有澄清式问法而改变，如用户增加“我要咨询其他订单”的问法后，即清除对话状态中的“订单”。以上只是举了两个简单的例子，但一个业务中可能包含多个槽位或一整个槽位组（槽位之间存在平行、依赖关系），针对于业务情况不同，对话策略还需要精细化运营。
3.5 应答-最终答案
在经历了教会智能客服理解用户问题的漫长过程后，我们终于来到了讨论给予用户的解决方案部分。
普遍的来讲，解决方案可以有文本、图文、视频、API集成等多种的样式，但实际最终用户的query只会得到唯一的answer，这个唯一的answer的样式及丰富程度，不仅仅取决于我们业务不同需要给予用户不同的解决方案，同时也依赖于对话状态中还可以记录完成对话任务所需的其他额外信息，例如用户当前询问的属性（requested slots），用户的交互方式（communication
method），和用户或系统的历史对话动作（dialogue history）等等。
以观察阿里小蜜的经验来讲，小蜜从原来的图文答案部分转向了API继承的方式，但依然没有感知出针对于用户画像给予不同的答案（可能是我不怎么咨询客服的原因）。
所以以上的内容就不在这里展开，我会在后面《智能客服服务提升》中讨论。
四、结论
能从头看到这里，我相信不是对智能客服本身有一定了解忽略了一大部分抽象内容，就是根本不需要看前文就能理解结构的大佬。
个人认为，智能客服的架构本身只有三部分意图识别及SLU问题对业务进行的分类问题，用户在对话中的表现转化为标准问法的对话状态（DST）问题，与归属完问题后提供给用户最终的解答方案问题。完成这三部，大概在产品架构上能实现智能客服从0到1的方案。
当然构建三部分时应该遵循几点原则：
[if !supportLists]1. [endif]保持训练语料的一致性，用户问题是否直接分类、意图模糊或需要用户补充统一由对话状态模块判断。
[if !supportLists]2. [endif]业务的拆解尽可能细致，因为业务逻辑结构（知识图谱）决定了结构化识别的准确性与对话状态的判断准确率。
[if !supportLists]3. [endif]识别策略和对话策略中尽可能增加兜底方案保证准确率与召回率，结构化识别并不是万能的，有时我们也需要加入检索的方式保证用户问题会产生一个相对准确的解决方案。
以上为智能客服架构时的一些思路，至于每部分中提到的具体问题，会在后续《智能客服的服务提升中》探讨。