1、Bot定义

能执行大量自动化、高速或机械式、繁琐的工作的计算机程序，包括但不仅限于聊天功能

2、Retrieval-based

KE（知识网络）基于信息的提取。（检索的过程中有延迟，设置比较快捷的检索方式）

2.1 Intent(意图)

把一些相似功能的命令分在一起，例如“how are you ?”和"how do you do?"都是打招呼意图，把他们放在同一个节点（因为他们回答的都差不多），后面的分支是对应的回答，例如“I AM FINE”。通过这种方式，可以使得问题泛化，就是对于用户来说，类似的问题都能得到自己想要的答案，问的方式比较灵活。（设置文本分类器）

3、Generative(生成模型，类似rnn)

能生成人没有预先设定好的内容。

必读：A Neural Conversational Model

运用Neural即神经网络，训练两组对话，film dialoge（电影对白）、IT support(IT对话)。即，获取电影行业和IT行业的相关知识

3.1中英文处理区别

英文对话一般是有空格的，要把空格截掉，提取出每个单词

中文对话要用第三方的中文分词库，也起到分割的作用，类似区分主谓宾

第三方中文分词库:第三方中文分词库下载

4、知识框架（总结）

 可以通过google的search搜索所有问题，再把结果都反馈给chatbot

5、LONG VS SHORT

5.1第一维度（回答文本长度）

回答是比较短的例如Y/N，还是比较长的对话例如今天是晴天。

但有个问题，机器生成的回答语法可能有问题，要么就是，人为提前设置，要么就是，用大量数据训练回答方式。

5.2第二维度（scope范围）

一问一答，短范围。

记住以前发生过什么，长范围。

5.3LSTM

推荐阅读：LSTM的基础干货，带脑子用心看

LSTM的设计者提出了“长短期记忆”的概念——只有一部分的信息需要长期的记忆，而有的信息可以不记下来。同时，我们还需要一套机制可以动态的处理神经网络的“记忆”，因为有的信息可能一开始价值很高，后面价值逐渐衰减，这时候我们也需要让神经网络学会“遗忘”特定的信息

6、学术界的挑战

6.1语境

（1）语言语境

一文读懂Embedding的概念，以及它和深度学习的关系

（2）物理语境

涉及到周围的物理环境