以目标为驱动，以基本的对话逻辑为基础，引导用户对话在限定范围内，便于高效理解用户意图；
在保持大体对话逻辑在限定范围基础上，允许用户口语化的、短暂的跑题，此时支持闲聊模式；
较为灵活地支持用户对以提供的关键信息进行修正；针对客户业务特点建立模型；
采用变革的深度语义分析模型。
以状态机来构建多轮交互逻辑。
具备自学习功能。
能够实现半开放式的多轮问答，并捕捉用户的精确意图，是目前灵活性与解析准确性平衡的最好的一种架构。
反向问答语义解析网络，利用网络而不是规则来解析用户给出的答案。
采用BERT架构，核心思想是迁移学习，可以将其他领域的知识迁移过来；此外，BERT利用的Transformer作为最基本的隐层语义向量学习单元，已经在几乎所有的NLP任务上打败了LSTM。
400-601-0322 
