1. 背景介紹
2. 框架介紹
3. 參考文獻
不過近幾年來，隨著神經網路尤其是深度神經網路的不斷發展，人們在語音識別、機器翻譯等方面取得了突飛猛進的成果。很多人開始把神經網路技術應用在生成聊天機械人中，chatbot也吸引了很多人的關注。
以往的聊天機械人多是基於特定領域型的對話系統或者問答系統，文獻[2]中提出了在開放域以資料驅動為主的兩種方式，基於檢索系統和基於生成系統的方式，並提出了一種可行的結合方式，通過實驗驗證證實了這種結合方法的優勢。(基於檢索和生成的對話系統框架)
該框架過程簡要描述如下：
1)當使用者輸入會話q之後，優先查詢問答資料庫，得到候選答案r*;
2)將使用者的會話q和1)中得到的答案r*一起輸入biseq2seq模型，得到候選答案r+;
3)通過對r*和r+的重排序得到q的最終輸出結果。
如果以上框架在對r* 和r+的比較之後，如果最終輸出結果是r* ，那麼系統不做調整，如果最終輸出結果是r+，那麼可以將r+的結果新增到問答資料庫中，更新q*對應的答案，這樣以後或許會使檢索的效果更好（生成模型有一些尚未很好解決的問題，比如rnn的一些缺點）。
3、 該框架存在的問題
上述框架，從實驗的角度來看，二者的結合確實比單一的檢索或者生成的效果要好，但是目前在實際的應用中並沒有得到很好的實現。
其中，主要原因有兩個方面：
第一，建立基於檢索情況下高質量的問答資料庫難度很大，如果在開放域，那將是更加的困難。只有建立基礎的日常對話資料庫或者針對某一些領域的資料庫，其可行性較高。
第二，現有的生成模型並不是萬能的，由於模型自身的弱點和自然語言自身的一些特性，使得尚未能夠得到一種比較好的生成模型，能夠有效的實現對話交流。
未來chatbot定會像語音識別和機器翻譯一樣取得耀眼的進步，同時會在身邊得到很好的應用，而這主要將依託基於生成技術的發展。
在英語中基於生成模型的chatbot已經取得了很好的成果，但是中文由於語言本身的應用難度，並不能夠通過現有技術的結合取得實效性進展。中文聊天機械人應該從基本的nlp技術入手，解決比如像中文分詞、物件抽取和句子量化表示等基本問題，實現效果可能將會更好。如果一味的借鑑英語的現有技術而不考慮漢語語言本身的情況，可能中文chatbot在應用中還為之尚早。
首先，應該完善基礎對話資料庫的建設，這一步賦予20%的權重；
其次，從中文自身的特點出發，研究一套適用用於生成模型表示的詞、句方式，讓中文chatbot生成模型真正適合中文，這一步賦予50%權重；
最後，讓對話資料庫和生成模型變為一種實時的動態結合的方式，通過實際的測試不斷更新資料庫優化生成模型，這一步賦予30%權重。
[2] two are better than one: an ensemble of retrieval- and generation-based dialog systems,pdf
微軟聊天機械人框架（Bot Framework）
微軟聊天機械人框架 bot framework 讓你的服務可以建立並連線人工智慧機械人，通過它你的服務能夠與使用者自由聊天，方式可以是打字 簡訊，skype slack office 365郵件以及其他流行的服務等。聊天機械人正在迅速成為我們數字生活的一部分，他們已經成為繼 和移動之後又一種重要的與...
我的extjs聊天機械人
這幾天對聊天機械人感興趣,看看網上幾個吹得響的,也是常答非所問,自己研究了幾天,也出來乙個有模有樣的,這幾天不斷改進演算法,機械人出生第五天了,目前實現 1.查詢全國各地天氣,郵碼,區號,計算算式 2.自動分詞 4.今天時間,明天星期幾等,會在客戶端自動計算結果應答 6.以上都失敗,會自動找打哈哈的...
物件導向的聊天機械人
using system using system.collections.generic using system.linq using system.text namespace 聊天機械人 物件導向 class person public int age public int fullleve...