python智能问答机器人

聊天机器人

1. 目前企业中常见的聊天机器人
   （1）QA BOT（问答机器人）：回答问题

a.代表：智能客服
b.比如：提问和回答

（2）TASK BOT（任务机器人）：帮助人们做事情

a.代表：siri
b.比如：设置明天早上9点的闹钟

（3）CHAT BOT（闲聊机器人）：通用、开放聊天

a.代表：微软小冰

1. 常见的聊天机器人是怎么实现的
   （1）问答机器人的常见实现手段

a.信息检索、搜索（简单，效果一般，对数据问答对的要求高）
	关键词：tfidf、SVM、朴素贝叶斯、RNN、CNN

b.知识图谱（相对复杂、效果好、很多论文）
	在图形数据库中存储知识和知识间的关系，把问答转化为查询语句，能够实现推理

（2）任务机器人的常见实现思路

a.语音转文字
b.意图识别、领域识别、文本分类
c.槽位填充：比如买机票的机器人 使用命令体识别填充 从{位置}到{位置}的票，2个位置
d.回话管理、回话策略
e.自然语言生成
f.文本转语音

（3）闲聊机器人的常见实现思路

a.信息检索（简单、能够回答的话术有限）
b.seq2seq 和其变种（答案覆盖率高，但是不能保证答案的通顺等）

1. 企业中的聊天机器人是如何实现的
   （1）阿里小蜜-电商智能助力是如何实现的

参考地址：

a.主要交互过程

从图中可以看出：

a.输入：语音转化为文本，进行理解之后根据上下文得到语义的表示
b.输出：根据语义的表示和生成方法得到文本，再把文本转化为语音输出

b.技术构架

可以看出其流程为：

a.判断用户意图
b.如果面向目标：可能是问答型或者是任务型
c.如果非面向目标：可能是语聊型

c.检索模型流程（小蜜还用了其他的模型，这里以此为例）

通过上图可知，小蜜的检索式回答的流程大致为：

a.对问题进行处理
b.根据问题进行召回，使用了提前准备的结构化的语料和训练的模型
c.对召回结果进行组成和日志记录
d.对召回的结果进行相似度计算，情感分析和属性识别
e.返回组装的结果

（2）58同城智能客服帮帮如何实现的

参考地址：http://www.6aiq.com/article/1536149308075?p=1&m=0

a.客服体系

58的客服主要用户为公司端和个人端，智能客服主要实现自动回答，如果回答不好会转到人工客服，其中自动回答需要覆盖的问题包括：业务咨询、投诉建议等b.智能客服整体架构

整体来看，58的客服架构分为三个部分

a.基础服务，实现基础的NLP的功能和意图识别
b.应用对话部分实现不同意图的模型，同时包括编辑运营等内容
c.提供对外的接口

c.业务咨询服务流程

大致流程

KB-Bot的流程大致为：

a.对问题进行基础处理
b.对答案通过tfidf等方法进行召回
c.对答案通过规则、深度神经网络等方法进行重排序
d.返回答案排序列表

使用融合的模型

在问答模型的深度网络模型中使用了多套模型进行融合来获取结果

a.在模型层应用了FastText，TextCNN和Bi-LSTM等模型
b.在特征层尝试使用了单字、词、词性、词语属性等多种特征

通过以上两个模型来组合获取相似的问题，返回相似问题ID对应的答案

d.58的闲聊机器人

58同城的闲聊机器人使用三种方法包括：

a.基于模板匹配的方法
b.基于搜索的方式获取（上上图）
c.使用seq2seq的神经网络来实现

e.解决不了转人工服务

智能客服解决不了的可以使用人工客服来实现