如何教神经网络聊天机器人考虑对话的上下文？

考虑到上下文，您可以使用神经网络，例如 LSTM（长短期记忆），或者简单地使用俄语 - 具有短记忆和长记忆的神经网络。它的本质在于这个网络的神经元有一个特定的参数，可以记住特定句子中所说的内容。例如对话：

Я: Меня зовут Ваня. <- нейросеть теперь знает что общается с Ваней
Я: Как меня зовут?
Чатбот: Тебя зовут Ваня.
Я: Сколько мне лет?
Чатбот: Я не знаю, Ваня.

Я: У меня есть друг и его зовут Саша. <- нейросеть теперь знает что теперь речь идет о Саше
Я: Как зовут моего друга?
Чатбот: Твоего друга зовут Саша.

Я: Меня зовут Андрей.
Чатбот: Тебя зовут Андрей. <- нейросеть забывает про Ваню и его друга и менят контекст

当然，如何选择上下文也很重要，否则神经网络将不知道句子中哪些词重要，哪些不重要。为此，就有了NLP（Natural Language Processing），可以翻译为自然语言处理。这种技巧可以让您确定句子的语调，理解所说的内容并突出显示关键词。

自然语言处理补充

要了解 NLP 的全部本质，我建议您在链接https://cloud.google.com/natural-language/上使用来自 Google 的 API 。在这里你可以用一句话来驱动，虽然到目前为止只有英文，它会给出所有关于它的信息。例如，如果您也将所有内容都输入“我的名字是 Vanya”，那么 Google 会写道Vanya是一个人，这是一个名为name的参数。同样在connection选项卡中，你可以看到谷歌理解这个参数指的是写这句话的那个人，也就是to me。它是如何工作的问题在这里无法回答，因为 NLP 是一门完整的科学。

通常，不仅使用神经网络，还使用其他机器学习算法来实现聊天机器人。一个神经网络真的很难过。我把habr 的一篇文章带到了这个话题。微软有一个很好的框架来创建你自己的聊天机器人，如果你需要在不深入研究机器学习的情况下制作一个聊天机器人，那最好的办法

我没有使用过神经网络，但对于任何系统，有两个条件可以确定：

1. 通过关键字或短语识别
2. 在对话之前，你需要问将讨论什么

您还可以将从通信历史中获得的概率与此联系起来，其中有对主题领域的精确指示。但是有出错的可能。

神经网络不是反映现实世界的数学模型。如果仅仅是因为我们自己不了解真实世界是什么，思想是什么，我们无法解释大脑是如何工作的。神经网络是一组具有非线性激活函数和连接加权系数的阈值加法器，实际上是一种用于处理具有内置优化算法的大数据矩阵的数学设备。它们主要用于解决分类问题。存储上下文的任务可以通过不同的方式解决，例如，已经提到的 lstm。无论如何，这里没有而且永远不会有智慧和理性。