开启聊天机器人模式

聊天机器人系统框架图

今天看到了一篇关于聊天机器人的一个不错的资源汇总: https://www.52ml.net/20510.html

进去看看先大概了解了一下都有哪些主要的概念:

原文:巨头们都很重视的聊天机器人,你不进来看看吗?

    理想的 chatbot 什么样            现在的 bot 什么样            
    |处理任务                      |聊天-搞笑                


    [涉及到下面三个主要问题 & 解决方案 ]
        1、response generation(selection)--对话生成是最后一个步骤,是输出的部分        

            四种solutions        
                    solution 1 直接根据context来生成对话            
                              |seq2seq+attention        

                    solution 2 一个next utterance selection的问题            

                    solution 3 rule-based或者说template-based,response的最终形式其实是填充了一个模板而成的            

                    solution 4 query-based或者说example-based,response是来自于一个叫做知识库的数据库            


        2、dialog state tracking(DST)--是bot的核心,它的作用在于理解或者捕捉user intention或者goal        

                    会给定一个state的范围,通过context来predict用户属于哪个state            

        3、user modeling--更重要的是用户的history conversations            


    [模型训练环节]                            
    语料                            
        一般都是来自社交网站                        

    模型                            
        细分的方向非常的多                        

            seq2seq+attention                    


            user modeling模型                    
                    将user identity(比如背景信息、用户画像,年龄等信息)考虑到model中,构建出一个个性化的seq2seq模型,为不同的user,以及同一个user对不同的请将中生成不同风格的response            


            reinforcement learning模型                    
                    deepmind公司将增强学习重新带回了舞台上面,结合着深度学习来解决一些更难的问题            


            task-oriented seq2seq模型                    
                    是尝试在bot的个别部件上采用深度学习的技术来做,并且给出了切实可行的方案            


            Knowledge Sources based模型                
                    针对具体的任务,在seq2seq的基础上增加一个相关的knowledge sources会让效果好很多            
                    将bot任务定义为next utterance classification,有一点像question answering任务                        
                    knowledge graph            
                    rnn encoder            

            context sensitive模型                            
                    history information的建模            


思考                                
    1、要不要做bot?                            
        虽然不容易,但却非常有意义                        

    2、open domain还是task-oriented?                            
        task-oriented更加具体,更加实用                        

    3、task-oriented bot为什么难,该朝哪个方向来发力?                            
        将end-to-end应用在局部,而非整体上,配合上Information Extraction和Knowledge Graph等技术,实现一个高可用的框架体系,这个应该是task-oriented bot的发展方向                        

    4、response的生成应该与哪些因素有关呢?                            
        (1)user query,用户的提问                        
        (2)user modeling,对用户进行建模                        
        (3)knowledge,外部知识源

原文:聊天机器人技术的研究进展

    聊天机器人在各种场景下的功能和产品                            

    系统框架                            
        自然语言理解                        
            聊天机器人系统中的自然语言理解功能包括用户意图识别、用户情感识别、指代消解、省略恢复、回复确认及拒识判断等技术。                    
        对话管理                        
            对话管理功能中涉及到的关键技术主要有对话行为识别、对话状态识别、对话策略学习及对话奖励等                    
        自然语言生成                        
            在聊天机器人系统上的对话生成主要涉及检索式和生成式两类技术    

    挑战                            
        1)对话上下文建模                        
        2)对话过程中的知识表示                        
        3)对话策略学习                        
        4)聊天机器人智能程度的评价                        

    展望                            
        1)端到端                        
        2)从特定域到开放域                        
        3)更加关注“情商”

来源:http://www.shareditor.com/ 原文:自己动手做聊天机器人教程

觉得这个教程还是比较系统化的,打算先跟着入门一下。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

机器学习行业盛会-旧金山机器学习研讨会上的10点思考

1455
来自专栏AI科技评论

动态 | 你做我评:OpenAI和DeepMind全新的强化学习方法,根据人类反馈高效学习

AI 科技评论消息,近日OpenAI和DeepMind各自在网站上发文,介绍一篇他们合作研究、撰写的论文《Deep reinforcement learning...

36712
来自专栏新智元

【DARPA加入争霸赛】用量子计算解决机器学习问题,发布四大挑战!

【新智元导读】DARPA无人车挑战赛催生了一系列无人驾驶人才和公司,如今,DARPA又发布了量子计算挑战赛,给出四大命题,号召研究人员用量子计算解决机器学习问题...

674
来自专栏数据的力量

如何成为一名卓越的数据科学家——开篇七剑

1625
来自专栏大数据文摘

机器学习不是万能的!谷歌工程师:激发人的想象力才能创造惊艳的用户体验

1793
来自专栏大咖说

阿里盖坤:用深度学习打造真正的智能化广告系统

文章原创首发于微信公众号「 TGO 鲲鹏会」,原文地址:阿里盖坤:用深度学习打造真正的智能化广告系统

2813
来自专栏AI科技评论

动态 | 新里程碑!微软语音到文字转录已经达到人类水平

AI 科技评论按:语音到文字的转换是语音研究领域的重要课题。自引入神经网络的方法以来,语音识别正确率有了长足的进展,也为苹果 Siri、亚马逊 Echo、科大讯...

3989
来自专栏新智元

【重磅】DeepMind 开源其 AI 核心平台 DeepMind Lab(附论文)

【新智元导读】 昨天,OpenAI 刚刚宣布开源其用于测试和训练人工智能通用能力的平台Universe,DeepMind也在官方博客上宣布将其AI 核心平台 D...

3686
来自专栏新智元

视频 | 谷歌最新研究曝光: 合作式增强学习让机器人掌握通用技能

【新智元导读】谷歌大脑、DeepMind和 Google X 的研究员正在设计一种新的实验,探讨使用多个机器人共同学习通用技能的三种可行的方法:直接从经验中学习...

3477
来自专栏PPV课数据科学社区

是的,人工智能就是分析

关于人工智能究竟是什么,以及人工智能的学科应该如何分类,似乎存在一些混淆。人工智能是分析学的一种形式,还是一门与分析学不同的全新学科?我坚信人工智能与预测分析和...

2804

扫码关注云+社区

领取腾讯云代金券