NLP是電話機(jī)器人的耳朵,有了這項技術(shù),機(jī)器人就能聽懂客戶說的意思,同時給出反應(yīng)。通過語音識別系統(tǒng),可以使機(jī)器人具有識別以及可以快速識別認(rèn)客戶對話的才能,在短時間內(nèi)對問題做出回應(yīng),進(jìn)行人機(jī)交互對答。同時,因為交互分析系統(tǒng)選用抗噪性極強(qiáng)的深度神經(jīng)學(xué)算法以及卷積神經(jīng)網(wǎng)絡(luò)算法（卷積神經(jīng)網(wǎng)絡(luò)的整體結(jié)構(gòu)，也成為影響其工作效率和效果的重要因素。

一個比較典型的做法，是首先對輸入的圖像展開一個大卷積核神經(jīng)層加工，確保訓(xùn)練時間得到控制的同時有效降低錯誤率。并且可以考慮以全連接型的神經(jīng)網(wǎng)絡(luò)和Softmax回歸作為算法結(jié)構(gòu)的結(jié)尾，輸出概率最高的幾個處理結(jié)果，便于衡量算法準(zhǔn)確率。）,這就提高了機(jī)器人完結(jié)一問多回的高度理解力。

深度學(xué)習(xí)技術(shù)既可以用于基于檢索的模型，也可以用于生成式模型，但是chatbot領(lǐng)域的研究似乎正在向生成式模型方向發(fā)展。 像seq2seq這樣的深度學(xué)習(xí)體系結(jié)構(gòu)非常適合l來生成文本，研究人員希望在這個領(lǐng)域取得快速進(jìn)展。 然而，我們?nèi)匀惶幱诮⒑侠?、良好的生成式模型的初期階段?，F(xiàn)在上線的生產(chǎn)系統(tǒng)更可能是采用了基于檢索的模型。對話越長，就越難實現(xiàn)自動化。 一種是短文本對話（更容易實現(xiàn)） ，其目標(biāo)是為單個輸入生成單個響應(yīng)。 例如，你可能收到來自用戶的特定問題，并回復(fù)相應(yīng)的答案。 另一種是很長的談話（更難實現(xiàn)） ，談話過程會經(jīng)歷多個轉(zhuǎn)折，需要跟蹤之前說過的話。 客戶服務(wù)中的對話通常是涉及多個問題的長時間對話。