NeuralCoref: 用指代消解来做一个“能多轮对话的问答对话机器人”

本文链接：https://blog.csdn.net/blmoistawinde/article/details/81782992

本文探讨了如何利用NeuralCoref解决多轮对话中的指代消解问题，通过建立问答系统字典映射，并结合共指消解技术，实现代词的正确解析，从而提升聊天机器人的对话能力。示例代码显示了NeuralCoref在处理代词时的效果，并指出需要处理物主代词的语法恢复和从上下文中提取问题的挑战。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

      多轮对话对于目前的聊天机器人来说依然是一个难题，比如下面这个：

       显然当我问小冰第二个问题的时候，小冰并不知道我说的“她”指的是杨超越。从回答来看，小冰甚至把“她”当作了Angela Baby? 第三个问题就更不说了。
       这里没有半点贬低小冰的意思，我也相信未来的某位读者看到这里时，小冰已经不会犯这样的错误了。不过就写作时来说，小冰应该只纯粹利用了我当前的问句进行回答，导致多轮对话几乎不能正常进行。
       指代消解是有希望帮助解决这个问题的一个技术，下面就利用我们刚刚学过的NeuralCoref【NeuralCoref: python的共指消解工具，向代词指代的问题进军！】来写一个“能多轮对话的问答对话机器人”demo吧。

上代码

import warnings
warnings.filterwarnings("ignore")
import spacy
nlp = spacy.load('en_coref_sm')

为了简洁地展现共指消解的应用，这里将把问答系统部分的难度降到最低，直接有了问题-答案的字典映射。

QA = {
   "Who is Abraham Lincoln?":"An American statesman and lawyer who served as the 16th President of the United States.",
      "When was Abraham Lincoln born?":"February 12, 1809.",
      "Where is Abraham Lincoln's hometown?":"Hodgenville, Kentucky"}