金融聊天機器人研究的目的和意義綜述從世界上的發(fā)展趨勢來看，AI技術很有可能引領下一次工業(yè)革命，因為人類創(chuàng)造出來的這些AI技術，使得機器能夠獨立“思考”，當機器學會了獨立“思考”，機器就不單單能代替人類完成一些重復性勞動，也能完成一些擁有了“思考”才能完成的任務，包括但不限于交通工具的自動駕駛，也可以實現(xiàn)智能對話機器人。同時，實現(xiàn)人工智能的核心手段是MachineLearning。在這個大數(shù)據(jù)的時代，通過電腦對數(shù)據(jù)的分析，規(guī)律自然就被總結出來了，使電腦能夠預測那些看起來并沒有規(guī)律的事件。深度學習是機器學習的一種形式，它采用神經(jīng)網(wǎng)絡計算模型來模擬大腦的推理原理并產(chǎn)生結果[1]。因此，深度學習、機器學習和人工智能不可避免地聯(lián)系在一起，如圖1.1所示。圖1-1AI、ML、DL關系人工智能是一種賦予人類智能機器的先進技術。足夠的新機器發(fā)動下一次互聯(lián)網(wǎng)革命。人工智能是未來的基礎科學，它已經(jīng)影響了地球上的方方面面，信息技術的發(fā)展也由此加速起來。1950年，馬文·明斯基(后來被稱為“人工智能之父”)利用神經(jīng)網(wǎng)絡技術設計了世界上第一臺計算機，即人工智能的開端。圖靈測試是由被譽為“計算之父”的艾倫·圖靈在1950年提出的。圖靈測試表明如果超過30%的測試人員不能區(qū)分另一個是聊天機還是人，這種工具就可以完成圖靈測試。根據(jù)圖靈的假設，如果這個裝置和這個人能夠在不被稱為一個裝置的情況下進行流暢的對話，這個裝置就會很聰明。今年圖靈還勇敢地預言了未來喋喋不休的機器人的到來。圖靈測試也吸引了學者[2]。圖1、2顯示了人工智能的發(fā)展。經(jīng)過幾十年的研究，人工智能蓬勃發(fā)展。圖1-2人工智能發(fā)展歷程bp算法的出現(xiàn)在1980年代后期，學者們開始重新研究機器學習，并引起了學者們熱烈探討。對bp算法的研究告訴了學者們，大量訓練樣本中是存在著某種統(tǒng)計規(guī)則的，而這些規(guī)則是能夠被學習的，機器學習方法遠遠強于人類學習的系統(tǒng)。80年代后期，只有一個隱層節(jié)點人工神經(jīng)網(wǎng)絡有了新的外號，也被稱為多層感知器。在1990s，支持向量機等淺表機器學習模型被普遍提出，有隱含層節(jié)點或沒有隱含層節(jié)點。這些模型的理論研究和實施也取得了良好的效果。[3]2006年，在《科學》上發(fā)表了一篇論文來自UniversityofToronto教授JeffreySinton和他的學生RuslanSalahtinov，這篇文章的含金量很高，它的提出了兩點結論：第一，可以面對深度神經(jīng)網(wǎng)絡訓練的困難可以采用一層一層的初始化，與此同時利用沒有監(jiān)督的學習實現(xiàn)初始化；第二，特征學習的能力越強的人工神經(jīng)網(wǎng)絡擁有隱藏層越多，特征更能精確的表現(xiàn)數(shù)據(jù)，更適合用于分類[4]。1聊天機器人的研究背景及意義誕生于1966年的Eliza是最早在生活中應用的對話機器人，它是為了治療心理疾病的病人和創(chuàng)造出來的，它最主要是用來跟病人對話，盡管Eliza使用的方法是人為地設定回復規(guī)則，但它仍受到用戶的歡迎，這讓學者和業(yè)界都很興奮，關于聊天機器人的研究熱潮也開始興起。1980年，UCB的羅伯特·韋倫斯基(RobertWillensky)作為首席研究員，與其他研究人員合作，建立了UC計劃。用戶通過聊天機器人系統(tǒng)學習如何使用UNIX操作系統(tǒng)，UC聊天機器人可以了解其他人的需求，尋找解決方案，并通過語音對操作人員做出回應。無論從其工作原理還是最終效果來看，UC比Eliza更聰明，也更受業(yè)界關注[5]。1990年代，HughLebner在美國設立了AI年度大賽，優(yōu)勝者將獲得10K美元的獎金，并頒發(fā)印有勒布納和圖靈頭像的金質(zhì)獎章，該獎章的目的是為了完成圖靈的遺愿，鼓勵人們把精力投入到聊天機器人領域。讓聊天機器人盡早完成圖靈測試。如此一來，聊天機器人領域就獲得了大量的關注和研究，最被受期待的聊天機器人是愛麗絲。聊天機器人愛麗絲是由RichardWallers開發(fā)的，并在1998年開放源代碼給Alice的聊天機器人。利用AIML語言和模板匹配技術建立了Alice聊天機器人的回復模板和回復規(guī)則。AIML易于學習和使用，其一致性可靠、一致。是當前聊天機器人領域里這項技術扔被人們大量的使用。由于AIML的簡單、穩(wěn)定，勒布納獎頒發(fā)了數(shù)次給Alice聊天機器人。盡管機器學習中存在非監(jiān)督學習，雖然是通用的，但是深度學習為建立這樣的模型提供了另外的新穎的方法，也為這些模型帶來了很多便利，從而為基于深度學習的機器人提供了更好的對話性能。2國內(nèi)外研究現(xiàn)狀對話機器人不僅是許多人認為的娛樂工具，在各種各樣的領域上它都有廣泛的應用，只要與人對話相關的，都能用上它。打個比方，蘋果公司上的SIRI語音助理就非常智能實用，用戶可以通過語音向SIRI發(fā)出“設置一個明天九點鐘的鬧鐘”、“發(fā)個朋友圈問有人一起吃飯嗎”、“每天給張三發(fā)一條微信說明情況”等指令，SIRI語音助理就會幫你執(zhí)行發(fā)朋友圈或者發(fā)一條微信，無需用戶自己親自去操作，因為語音助手的使用將消除許多無聊或不愉快的任務，允許人機對話。最近，中國市場上出現(xiàn)了一大批語音助手，其中大部分是以智能微型音箱的形式出現(xiàn)的，他們能根據(jù)用戶的指令，完成相關動作，如播放音樂、查看天氣等等。比如天貓的“天貓精靈”，小米的“小愛同學”，由于國外人工智能的工作開展的較早，總體的研究水平也比國內(nèi)高，比如微軟的“Cortana”，更加完善了系統(tǒng)，與用戶溝通也更加順暢。隨著人工智能的發(fā)展，QA機器人領域的熱度越來越高漲，是因為下一個時代的人機交流渠道很有可能是通過語音交流的，最基本的人機交流要求機器能夠理解人類的指令?，F(xiàn)在，聊天機器人還沒有進入人工智能時代，它已經(jīng)被應用于許多領域，尤其是移動互聯(lián)網(wǎng)。所以，當前學術界和產(chǎn)業(yè)界正在不斷投入到聊天機器人領域中，為爭奪領先地位[6]。非面向任務的對話系統(tǒng)(也稱為聊天機器人)專注于在開放環(huán)境中與用戶通信，而面向任務的對話系統(tǒng)則尋求為用戶完成特定的任務。聊天機器人通常使用生成方法或基于檢索的方法部署。生成模型可以引起更合適的反應，否則在語料庫中會被忽略。當前Seq2Seq對話系統(tǒng)的一個最困難的問題是，它們經(jīng)常生成不相關或不清楚的、通用的、幾乎無用的答案。這些回答通常包括一些無意義的短語，比如“我不知道”或“我很好”。另一方面，檢索模型有大量的數(shù)據(jù)和平滑的響應。消息-響應匹配是高級檢索過程的秘密，匹配算法必須在消息和應答之間架起語義距離的橋梁。參考文獻賈雪芳,李潤瑋.深度學習與人工智能[J].內(nèi)江科技,2020,v.41;No.307(06):81+87.胡寶潔,趙忠文,曾巒,張永繼.圖靈機和圖靈測試[J].電腦知識與技術(8期):132-133.常繼科,趙建輝,任新會,等.支持向量機綜述[J].光盤技術,2007(2):4-5.遲呈英,麻志毅,姚天順.文本理解與漢語文本結構分析[J].中文信息,1997(01):9-11.陳晨,朱晴晴,嚴睿,等.基于深度學習的開放領域?qū)υ捪到y(tǒng)研究綜述[J].計算機學報,2019(7)..王樹良,李大鵬,趙柏翔,等.聊天機器人技術淺析[J].武漢大學學報(信息科學版).馮升.聊天機器人系統(tǒng)的對話理解研究與開發(fā)[D].北京郵電大學,2014.尚志剛.基于自然語言理解的中文自動問答系統(tǒng)研究[D].天津工業(yè)大學,2009..王文然.基于依存句法分析的互聯(lián)網(wǎng)細粒度觀點挖掘研究[D].東北財經(jīng)大學,2011.孔邵穎.語義網(wǎng)起源與發(fā)展研究[J].電腦編程技巧與維護,2011(22):80-81.郭宇航.詞義消歧語料庫自動獲取方法研究[D].哈爾濱工業(yè)大學,2008.潘兆志.有監(jiān)督方法在詞義消歧中的應用[D].蘇州大學,2009.馮升.聊天機器人問答系統(tǒng)現(xiàn)狀與發(fā)展[J].機器人技術與應用,2016,000(004):34-36.吳崇斌,張全.上下文邊界可變的貝葉斯分類器詞義消歧方法[C]//全國青年計