独家 | 聊天机器人开发中的机器学习（附链接）

作者：Omkar Prabhune
翻译：方星轩

校对：王雨桐


本文约2800字，建议阅读5分钟
本文作者从聊天机器人的种类、用途以及架构等角度介绍目前的聊天机器人技术，并在文末分享了一些聊天机器人行业的例子。

标签：聊天机器人，神经网络，自然语言处理NLP

本文将详细介绍聊天机器人的类型、它们的开发以及背后原理。

首先让我们先了解一些基础知识。聊天机器人（对话式 AI）是一种自动化程序，可通过文本消息、语音聊天来模拟人类对话。它根据大量输入和自然语言处理 (NLP) 学习如何做到这一点。

今天的聊天机器人在社交媒体、电子商务、客户服务甚至医疗保健的许多行业和公司中都是不可或缺的。一些典型的例子是微软的 Zo、IBM Watson 或 Rasa（一种用于构建商业用途的聊天机器人的工具）。

那就让我们来看看到底是怎么样的吧！

目录

• 聊天机器人的类型（基于规则、基于意图、开放域）

• 聊天机器人架构

• 自然语言处理

• 行业实例

• 进一步研究和参考

聊天机器人的类型

• 基于规则的聊天机器人

基于规则的聊天机器人也称为决策树机器人。顾名思义，它们使用一系列已定义的规则。这些规则是聊天机器人熟悉并可以提供解决方案的问题类型的基础。

就像流程图一样，需要给聊天机器人设置对话框架。他们这样做是为了预测客户可能会问什么，以及聊天机器人应该如何回应。

基于规则的聊天机器人可以使用非常简单或复杂的规则，但是他们无法回答定义规则之外的任何问题。这些聊天机器人不会通过交互来学习。此外，他们只执行和处理被训练的场景。基于规则的聊天机器人有几个好处，例如：

• 聊天机器人不需要大量训练，这使得实施过程更快、更简单。

• 通过预先定义结构和答案，您可以更好地控制聊天机器人的行为和响应。

• 然而它也有有其局限性，它们的一些缺点是：

• 基于规则的聊天