使用TensorFlow实现Sequence to Sequence的聊天机器人

聊天机器人

我们说的聊天机器人是指智能聊天机器人。现在主要用在对话系统(Dialogue Systems),问答系统(QA)和语音助手。

基于检索的模型 vs. 产生式模型

基于检索的模型(Retrieval-Based Models)有一个预先定义的"回答集(repository)",包含了许多回答(responses),还有一些根据输入的问句和上下文(context),以及用于挑选出合适的回答的启发式规则。这些启发式规则可能是简单的基于规则的表达式匹配,或是相对复杂的机器学习分类器的集成。
产生式模型(Generative Models)不依赖于预先定义的回答集,它会产生一个新的回答。经典的产生式模型是基于机器翻译技术的,只不过不是将一种语言翻译成另一种语言,而是将问句"翻译"成回答。

Seq2Seq

Sequence To Sequence最早应用在机器翻译领域,后来谷歌发现也可以把它用到问答系统。


image

简单的例子

最简单的例子来自于Chatbots with Seq2Seq
中文实现Seq2Seq_Chatbot_QA
这个例子用到了Padding, Bucketing,word vectors,Attention Mechanism等技术来满足Seq2Seq的要求。

链接

Seq2Seq_Chatbot_QA
easy_seq2seq
Tensorflow搞一个聊天机器人

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容