用機器學習打造聊天機器人(七) 總結篇

• 2019 年 12 月 16 日
• 筆記

本文是用機器學習打造聊天機器人系列的最後一篇啦，請耐心看完吧。

本系列文章展示了一個聊天機器人的打造過程，現階段更高級的聊天機器人會加入更多語料，更多意圖模式，用更好的演算法，以及其他更多的小技巧，比如：

• 我們可以結合上一個系列《手把手教你做命名實體識別》中介紹的bert模型，來代替這裡的詞向量模型，讓句向量更好的表示出原句子中各辭彙之間的相關性，比如「我喜歡蘋果」和"我喜歡蘋果筆記型電腦"，對於採用word2vec的方式來構建向量特徵來說，對"蘋果"的向量表示都是一樣的，而對於bert來說，是會考慮到上下文資訊來給出"蘋果」的向量表示的，這會直接影響到句子應該被分到電子產品類還是蔬菜水果類。
• 我們可以訓練一個文本情感分類的模型，判斷用戶的語言情緒，然後對應的給回復做一些修飾，讓回復聽起來更貼心。
• 我們可以給機器人預設一些口頭禪，隨機加入回復中，讓機器人看起來更靈動。
• 可以加入第三方雲廠商的語音轉文本或文本轉語音功能，和機器人直接語音聊天。

ok，本系列文章到此就告一段落了，陸陸續續也寫了7篇了，相信你已經有信心打造一款自己的聊天機器人了，有任何相關問題，歡迎和作者聯繫交流。

本篇就這麼多內容啦~，感謝閱讀O(∩_∩)O。