1、領域內意圖理解

下面是 雙向的lstm + crf 架構

將 query 進行 框架式語義表示 （語義表達的方式） ，然後在 KB 裡面進行查詢，它是將領域的確定和意圖理解在一個模型中實現的

2、模型迭代更新

線上模型 ---- 獲得線上日誌，在日誌裡面挖掘出bad cases， 加上人工標註，進一步學習；其中有些case可能是不好區分的，甚至人為都不是很好進行確定的，可以在 labeling reinforcement這一塊進行調整，調整標註的策略，這裡是使用的強化學習來進行進化的

3、對話系統解答

跨領域的上下文問答  對話管理

對話管理 --- 狀態的追蹤和管理、多個slot的繼承、指代的處理 

多個領域之間的slot是可以共享的 ---  使用了相同的實體或者不同的實體但是是相同的意思

上下文的記憶  --- 狀態追蹤來解決的