本文是用機器學習打造聊天機器人系列的最后一篇啦，請耐心看完吧。
本系列文章展示了一個聊天機器人的打造過程，現階段更高級的聊天機器人會加入更多語料，更多意圖模式，用更好的算法，以及其他更多的小技巧，比如：
- 我們可以結合上一個系列《手把手教你做命名實體識別》中介紹的bert模型，來代替這里的詞向量模型，讓句向量更好的表示出原句子中各詞匯之間的相關性，比如“我喜歡蘋果”和"我喜歡蘋果筆記本"，對於采用word2vec的方式來構建向量特征來說，對"蘋果"的向量表示都是一樣的，而對於bert來說，是會考慮到上下文信息來給出"蘋果”的向量表示的，這會直接影響到句子應該被分到電子產品類還是蔬菜水果類。
- 我們可以訓練一個文本情感分類的模型，判斷用戶的語言情緒，然后對應的給回復做一些修飾，讓回復聽起來更貼心。
- 我們可以給機器人預設一些口頭禪，隨機加入回復中，讓機器人看起來更靈動。
- 可以加入第三方雲廠商的語音轉文本或文本轉語音功能，和機器人直接語音聊天。
ok，本系列文章到此就告一段落了，陸陸續續也寫了7篇了，相信你已經有信心打造一款自己的聊天機器人了，有任何相關問題，歡迎和作者聯系交流。
本篇就這么多內容啦~，感謝閱讀O(∩_∩)O。
