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

来自专栏小鹏的专栏

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...

21860
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

19230
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

32330
来自专栏量子位

AI有了更强的想象力!DeepMind又立功了 | 附两篇新论文

陈桦 编译自 DeepMind Blog 量子位 报道 | 公众号 QbitAI ? 人类,可以在行动之前预想到后果,这是我们认知能力中一种强大的工具。 举例来...

33260
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...

35770
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

15250
来自专栏Material Design组件

About Face 4 第二章(1)定性与定量研究

396110
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...

29540
来自专栏数据猿

实现财务自由,这个工作是我们未来几年最好的选择

22530
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...

38760

扫码关注云+社区

领取腾讯云代金券