人工智能在客服范畴的运用，可以节俭年夜量人力本钱，二十四小时不连续供给稳固办事，在节沐日的岑岭期也可以或许高效的办事客户。在客服售后和售前范畴，智能聊天机械人可以和客户直接对话，也能够作为帮助对象供给给客服人员应用。从功效上年夜概可以分为 task-bot、faq-bot 及闲谈的 chat-bot 型。本文重要具体讲授闲谈的 chat-bot 型机械人的完成，在此之前先年夜概引见下前两种机械人。
在普通售后场景中，客户普通征询的是罕见的 FAQ 成绩，可以基于端到真个深度进修练习，将练习集中标注好的成绩和 FAQ 库里的尺度成绩编码成语义向量，最初盘算用户的输出和库里的尺度成绩的向量类似度，将最类似的 FAQ 前往给用户。
在售前场景中，好比预定机票、酒店等，体系经由过程和用户交互，懂得用户意图，停止定名实体辨认，即天然说话懂得（NLU，Natural Language Understanding ）。经由过程对话状况来治理和用户的多轮交互，即 DST（Dialog State Tracking），最初触发用户的搜刮或许预定等举措。这类 task 型机械人最艰苦的处所在场景切换后的连接性，好比上一句话用户问“从北京到上海的机票”，下一句用户说“那火车票呢”，下一句又说“从天津动身的机票呢”。在分歧场景中切换，须要清楚明白各类情形下用户状况及槽位继续的战略，不然就很轻易被发明是个很傻的机械人。
闲谈场景中，机械人检测到用户是在闲谈，便可以进入闲谈逻辑停止答复。机械人还要可以或许感知到用户情感，好比用户恼怒了能抚慰用户；可以或许对一些敏感词停止过滤；还应当对一些开放范畴常识停止答复，好比下一届奥运会在哪里举办。
敏感词和情感辨认部门，可以基于辞书的症结词过滤方法，也能够分离练习一个分类器停止辨认，开放范畴常识问答部门，可以基于常识图谱的方法。纯闲谈部门重要基于检索方法和生成式方法，下边分离评论辩论这两种办法。
基于检索的方法就是在很宏大的闲谈库里婚配出最类似的成绩，前往对应的谜底。好比华为诺亚方舟试验室的办法，从各类分歧的角度结构 matching 特点，作为 ranking 模子的特点输出。
生成式办法重要基于 seq2seq 办法停止答复的生成，将语估中的 Q 经由过程编码器编码成中央语义向量，再用一个解码器将这个语义向量解码成对应的 A 。为了进步成果答复的多样性，普通参加 attention 机制。各类生成式的办法都是基于 seq2seq 的各类改良和扩大，好比 chen xing 等的 TA-seq2seq 办法将主题模子引入 seq2seq 模子中，先猜测 topic，再依据 topic 生成答复； Wu Yu 等的 DVS2S 办法将传统的 seq2seq 办法编码器的最初一个投影层的全衔接改成了静态词表，为每一个 input 静态生成一个两三千阁下的辞书，比传统办法要节俭40%阁下的练习时光。
检索式办法和生成式各有优缺陷。检索方法长处重要是完成简略，答复流利和具有答复多样性，缺陷重要是严重依附于数据集，答复高低文无感知；生成式长处重要是端到真个进修，无需人工规矩干涉，具有高低文感知，缺陷是答复比拟单一，能够生成的答复不太流利或许生成有意义的句子。
本文测验考试了两种联合的办法，先基于受限前提检索，没有成果再用生成式答复。受限前提即基于依存句法剖析提掏出症结词，将症结词直接作为 matching 的特点。用户输出时刻也做异样前提的方法处置。
提取症结词部门，重要提取了某些句子关系成份，好比：“谷歌 宣告将重返中国市场”提掏出症结词为 “谷歌” ；“我怎样照样一无一切”提掏出症结词为“一无一切”。
我们基于传统的 seq2seq 模子，单层 LSTM ，无 attention 机制，抓取网上微博等冗长的 QA 对，经由过程数据清洗最初过滤剩下75w多对停止练习，迭代年夜概五十屡次，下边是抽取比拟好的答复成果：
从成果可以看出来，假如练习充足，可以答复出很智能且流利的谜底，假如练习的不太充足，就会答复比拟单一的答复，好比“呵呵”、“哈哈”等。处理方法可以用上文提到的 seq2seq 的一些改良模子。
