前言：
最近由于工作需要，要开发一款智能客服，目前正在搞业务咨询模块的功能，所以这里就记录下整个过程，权当是学习笔记吧。实现一款智能客服根据实现的功能不同要用到不同的技术，如面对客户提问的问题的匹配方面可以通过正则表达式或者Python中的AIML库来实现；对于相似问题的推荐可以采用数据库的关键字检索或者将问题向量化后通过ML方式来实现等，对于问题向量化的技术又牵涉到NLP的相关技术，如对句子的分词处理等，这里面又牵涉到如何提取需要的关键词，如何剔除不想要的关键词等步骤，每个步骤的实现方式也有很多，如可以根据需要选取jieba，NLTK，gensim等Python的第三方库等等，但是今天我们首先介绍下这个Chatbot的大体的情况，至于怎么实现我会在后面介绍。
1、技术方向
1.1、传统的实现方式：Retrieval-based（基于检索）
1.2、Generative：即可以自己生产应答语句。（如chatterbot利用AI技术实现的方式）
2、chatbot的知识框架
由上图可以看到纵轴方向分为开放领域和封闭领域，横轴方向分为基于检索和
基于生产力两种模式。可以看到以上四种方式的技术实现的难度。目前稳定使用的是基于规则的应用（采用基于检索的技术），智能机器仍处于探索阶段（采用基于生产力的技术）。我们要做的也就是在封闭领域（如专业问题咨询等）Rules-Based和SmartMachine结合起来，尽可能满足业务的需求。
3、应用的分类
long&short(即对话的长是否牵涉到上下文，短即是否是单轮对话)
4、chatbot的几个challenges
4.1、语境的判断
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，即把单词给向量化，然后采用数学方法来处理）
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）
4.2、统一的语言个性（防止chatbot由于输入数据的问题发生精神分裂现象）
4.3、模型的验证（即如何判断chatbot回答的答案是否是自己想要的）
4.4、多样性问题（对于问题的回答必须尽可能的不一样，不能直接由单一的指标确定）
5、工业应用综述
1、语音助手：微软走被动的输出路线，google走主动推送的路线。
2、餐饮：
3、旅游：旅游向导
4、医疗：前台客服
5、新闻：聊天式推送新闻。
6、财经：聊天式的个人理财管家
7、健身
主流的发展方向结合智能家居偏向于硬件的能活下来
目前稳定的方向还是基于查找、知识库、规则即Rule-base来的。
总结：
以上是之前在查资料过程中总结的一些东西，主要还是想对这个方向的情况有一个清楚的了解，只有了解后，你才能决定我们要怎么怎么做，毕竟干任何事都是这样，不能闭门造车嘛。以上是今天总结的一些东西，如有不足或错误，请大家指教、批评。