Human-like learning在对话机器人中的魔性运用 | 公开课读者问答

编者注：戴帅湘——前百度主任架构师，曾长期担任百度Query理解方向负责人，是自然语言理解方面的技术专家，曾荣获第一个也是迄今为止唯一一个以NLP技术为核心的百度最高奖。2010年提出“Query改写模型”给百度搜索引擎技术带来了跨时代的飞跃，使得搜索相关性和广告收入均大幅提升。该模型比学术界同类模型《Query Rewriting Using Monolingual Statistical Machine Translation》的提出还要早将近1年。此模型迄今为止仍广泛应用于百度所有搜索产品线 。申请了自然语言处理，语义搜索，自动问题求解等领域内20多项专利技术。

本文是戴帅湘在公开课Human－like learning 在对话机器人中的魔性运用中的读者问答内容整理。

你的意思应该指的是数据的准确性，这个暂时还是通过线下的测评，达到一定的准确率后才参与线上运算，这个和大多公司采用的方法一样。

只是我们后面会在对话的环节允许用户通过对话的方式帮助修正，就像我说了某个东西，听着觉得不对，可能会给我一个反馈。

对于用户需求、用户意图的理解和分析，对query做一个简化、分析。请问一下有没有一些开源工具或者算法可以推荐一下。例如以下这些：

北京附近哪里好玩呀 - 北京的景点；location : beijing, category : travel。

这个也是在具体的反馈式增强模型阶段来处理，当然也需要有一些特定的引导。

开源的工具倒没有看到，但是相关方法今年ACL有几篇文章是关于把自然语言转成特定形式化描述的，可以去看一看。其中有的也用到了深度学习，但是需要一些语料支持。

我理解这类开源的很少，毕竟都还不成熟，希望将来有人可以做一些开源的工具出来。

明白，深度学习（DL）有个问题就是不好解释。

这个你只能通过更好的语料及更细致的参数调整才能有所改善，否则就需要加入其它方法。