聊天机器人——chatBot知识框架

Generative-Based:IT语料库加电影对白语料库，通过简单的案例，把IT所有知识，强AI形式，目前还没有被攻克，不错的paper：ACL会议，主题是使用了一堆词条，假设可以涵盖了社会的方方面面的知识，维基百科，词条的形式进行分析，你问题都以维基百科的知识回答；

Retrieval-Based:闭合的场景，所有的问题基本都能想得到，Rules-Based,工业界很感兴趣，加入知识图谱中的动作，机制还是Rules-Based.

二、机器人永远回答是或否

short-yes or no

long-回溯到很久前聊到的话题；能否阐述足够长的回复解决问题。

两个机器人本来是想互相学习：通过强化学习，互相对话，互相学习，结果两个机器人之间是问题都是封闭的。

不管是端对端，ML会倾向学习正确率较高，错误率较低的点回复。the在文章中出现的概率较高，这样出错的概率较小；

三、

1、语境问题的处理：

语言语境：这句话在说什么内容？（涉及到对语言的embed，比如word vector）

物理语境：这句话在哪里说的？（涉及到物理环境，比如在哪里，现在几点）

推荐paper：

Building End-To-End Dialogue SystemsUsing Generative Hierarchical Neural