顧名思義，“聊天機(jī)器人”是與您聊天的機(jī)器。訣竅是使它盡可能像人一樣。從“美國運(yùn)通客戶支持”到Google Pixel的呼叫篩選軟件聊天機(jī)器人，各種各樣。

它實(shí)際上如何運(yùn)作？

聊天機(jī)器人的早期版本使用一種稱為模式匹配的機(jī)器學(xué)習(xí)技術(shù)。與當(dāng)今使用的高級NLP技術(shù)相比，這要簡單得多。

什么是模式匹配？

要理解這一點(diǎn)，請想象您會問一個書商，例如“ __本書的價格是多少？”或“您擁有____本書的哪幾本書？”這些斜體字中的每一個都是可以將來出現(xiàn)類似問題時進(jìn)行匹配。

模式匹配需要大量預(yù)先生成的模式。基于這些預(yù)先生成的模式，聊天機(jī)器人可以輕松地選擇與客戶查詢最匹配的模式并為其提供答案。

您不妨猜一下下面的聊天是如何實(shí)現(xiàn)的？

簡而言之，可以將我的價格知道的問題轉(zhuǎn)換為模板《star /》的價格。該模板就像一個密鑰，以后將使用它存儲所有答案。所以我們可以有以下內(nèi)容

·iPhone X的價格-1500美元

·Kindle Paperwhite的價格-100美元

AIML（人工智能建模語言）中的代碼看起來像

NLP聊天機(jī)器人

模式匹配很容易實(shí)現(xiàn)，但是只能走得很遠(yuǎn)。 它需要許多預(yù)先生成的模板，并且僅對期望數(shù)量有限的問題的應(yīng)用程序有用。

xkcd

輸入NLP！ NLP是一些稍先進(jìn)的技術(shù)的集合，可以理解廣泛的問題。創(chuàng)建聊天機(jī)器人的NLP過程可以分為5個主要步驟

1）標(biāo)記化-標(biāo)記化是一種將文本切成小段的技術(shù)，稱為標(biāo)記，并同時丟棄某些字符，例如標(biāo)點(diǎn)符號。這些標(biāo)記在語言上代表文本。

標(biāo)記句子

2）規(guī)范化-規(guī)范化處理文本以找出可能會改變用戶請求的預(yù)期含義的常見拼寫錯誤。一篇對推文進(jìn)行規(guī)范化的非常好的研究論文很好地解釋了這個概念

推文研究的句法規(guī)范化

3）識別實(shí)體-此步驟可幫助聊天機(jī)器人識別正在談?wù)摰氖挛铮缡菍ο筮€是國家/地區(qū)或數(shù)字還是用戶的地址。 在下面的示例中觀察到Google，IBM和Microsoft是如何組織在一起的。此步驟也稱為命名實(shí)體識別。

4）依存關(guān)系解析-在這一步中，我們將句子分為其名詞，動詞，賓語，常用短語和標(biāo)點(diǎn)符號。這項技術(shù)可幫助機(jī)器識別短語，進(jìn)而告訴用戶要傳達(dá)的內(nèi)容。

Stanford —依賴項解析示例

5）生成-最后，生成響應(yīng)的步驟。以上所有步驟都屬于NLU（自然語言理解）。這些步驟可幫助機(jī)器人理解所寫句子的含義。但是，此步驟屬于NLG（自然語言生成）。此步驟接收先前NLU步驟的輸出，并生成許多具有相同含義的句子。在以下方面，生成的句子通常相似

·詞序-“廚房燈”類似于“廚房燈”

·單數(shù)/復(fù)數(shù)-“廚房燈”類似于“廚房燈”

·問題-“關(guān)門”類似于“您介意關(guān)門嗎？”

·否定-“在19:00打開電視”類似于“在19:00不打開電視”

·禮貌-“打開電視”類似于“請您能開一個電視好嗎？”

根據(jù)用戶的問題，機(jī)器人可以使用上述選項之一進(jìn)行回復(fù)，并且用戶會滿意地返回。在許多情況下，用戶無法區(qū)分機(jī)器人和人類。

自1995年AIML發(fā)明以來，聊天機(jī)器人一直在穩(wěn)步增長，并取得了長足的發(fā)展。即使在2016年，平均用戶花費(fèi)超過20分鐘的時間通過消息傳遞應(yīng)用程序進(jìn)行交互，其中Kakao，Whatsapp和Line是最受歡迎的。

相似的網(wǎng)絡(luò)

世界各地的企業(yè)都在尋求削減客戶服務(wù)成本，并通過使用這些漫游器來全天候提供客戶服務(wù)。

NLP還有很長的路要走，但是即使在目前的狀態(tài)下，NLP在聊天機(jī)器人領(lǐng)域也有很大的希望。