自然语言处理系列-chat-bot(2)

1. 准备对话数据

2. 搭建seq2seq模型

3. 训练模型，并预测聊天效果

通过使用“字典”和“语料”，已经完成了第一步的工作。

本文采用seq2seq模型来进行解决

主要为：输入问句-编码-解码-输出答句

此处，“输入问题 – 编码 – 解码 – 输出答句”就构成了一套完整的seq2seq模型。

第一个环节-输入问句

第二个环节-编码

编码过程，实际上就是算法探求问句含义的过程：

return_sequences 表示“输出的结果是否为序列”，

 如果为true，那么，模型的形态是这样的：

如果为false，那么，模型的形态则为：

图中：绿色圆圈代表输入的汉字， 橘色圆圈代表输出的问句的含义。灰色方块代表一套RNN或LSTM算法。

第三个环节-解码

组织语言进行输出

 

整个流程

标准的seq2seq模型，形态如下：

 参考地址：http://www.aiportal.net/%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA/%E8%81%8A%E5%A4%A9%E6%9C%BA%E5%99%A8%E4%BA%BA-keras-seq2seq