“心灵助手”3D聊天机器人的设计与开发电子信息工程专业

1、“心灵助手”3D聊天机器人的设计与开发摘 要近年来自杀已成为一种极为严重的现象，其所产生的影响极其恶劣，这种现象在大学生中尤为突出。据调查大学生中自杀的原因大多是因为心理、情感方面的问题，当代大学生中很大一部分都存在或轻或重的各种心理问题，严重者极易产生轻生的念头。因此，关注在校大学生的心理健康状况变得极为重要。设计一款聊天机器人，对于这种现象或许会有好的帮助。聊天机器人种类众多，根据适用的范围不同，所运用的技术也存在着区别，本文所研究的是使用检索模型的机器人。检索型聊天机器人是自动问答系统的另一种特殊形式，它的特点是通过匹配的方式，类似于模仿人类平时说话的语言习惯，找到与所提出的问题匹配度最

2、高的答案。检索模型所使用的回复语句通常是预先存储且事先定义的数据集，并不像生成式模型，类似于人类说话一样，创造出未知的回复内容。该系统所使用的语料库则是研究人员亲自在专业的心理文档网站上下载并进行整理的，其中包括有了几百条心理咨询师与咨询者的对话记录。关键词：聊天机器人；检索；语料库；关键字ABSTRACTIn recent years, suicide has become an extremely serious phenomenon, and its impact is extremely bad. This phenomenon is particularly prominent am

3、ong college students. According to the survey, most of the reasons for suicide among college students are psychological and emotional problems. A large part of contemporary college students have various psychological problems of minor or serious severity. In severe cases, they are prone to commit su

4、icide. Therefore, it is extremely important to pay attention to the mental health of college students. Designing a chat bot may be of good help to this phenomenon.There are many types of chat bots, and there are differences in the technology used according to the scope of application. This article i

5、s studying the bots that use retrieval models. Retrieval chatbot is another special form of automatic question answering system. Its characteristic is to find the answer with the highest matching degree to the question raised by the way of matching, which is similar to imitating the language habits

6、of human beings. The reply sentence used by the retrieval model is usually a pre-stored and pre-defined data set. It is not like a generative model, which is similar to human speech, which creates unknown reply content. The corpus used by the system was personally downloaded and sorted by the resear

7、cher on the professional psychological document website, including hundreds of conversation records between the counselor and the counselor.Key words：chatbot；Search；Corpus；KeywordIV目 录第1章 绪论11.1 概述11.2 项目开发工具及技术11.2.1 Unity Hub 2.4.4下载及环境配置11.2.2 Visual Studio Code开发环境配置21.2.3 中文语料库2第2章 系统总体结构设计22.1

8、 系统可行性22.1.1 技术可行性22.1.2 经济可行性32.1.3 操作可行性32.2 系统需求分析32.2.1 功能需求分析32.2.2 非功能需求分析42.3 系统总体设计42.3.1 系统总体框架42.3.2 聊天机器人的分类52.3.3 检索式聊天机器人52.3.4 RNN神经网络72.3.5 语料库10第3章 系统详细设计与实现103.1 可视化模块113.1.1 用户注册注销账号113.1.2 浏览网站123.2 数据处理器模块123.2.1 问答系统123.2.2 语料库的搭建143.2.3 关键字匹配15第4章 系统测试184.1 测试背景184.2 测试概要184.3

9、测试结果22第5章 结论23参考文献24致谢25第1章 绪论近年来自杀已成为一种极为严重的现象，其所产生的影响极其恶劣，这种现象在大学生中尤为突出。据调查大学生中自杀的原因大多是因为心理、情感方面的问题，当代大学生中很大一部分都存在或轻或重的各种心理问题，严重者极易产生轻生的念头。因此，应该更多的重视在校大学生的心理健康状况。“心灵助手”3D聊天机器人可以在用户们被困惑、焦虑、抑郁等各种不良情绪所困扰时，扮演类似于知心伙伴或心理医生的角色，与用户进行针对性的交流或对他们所产生的情绪进行专业的心理知识科普，使用户可以有正确的认识去面对和克服不良情绪。1.1 概述最近几年，由于信息技术的不断进步，

10、网络社交平台飞速发展，聊天机器人已经成为了日常生活中十分常见的事物，一方面可以满足用户的各种交流需要，另一方面也可以帮助企业节约服务1，其提供了一种交互式方法，可以使用户参与由人工智能驱动的行为健康干预2。聊天机器人是可以自动进行提问和回答的系统，对用户语言习惯进行学习与模仿，采用模式匹配的方式，为用户提供其想要的答案。对于确定的答案，聊天机器人通常会给出较为精准的法案，而如果聊天机器人不知道答案，则会给出推测，或直接说明不知道3。为了更加高效地完成该项目，该阶段对聊天机器人方面的理论知识进行了学习，对开发环境、语料库以及人脸识别算法进行了选取，主要工作分为以下几个方面：Unity Hub下载

11、及环境配置、Visual Studio Code开发环境配置、语料库的下载、深度学习模型的选择。通过文献的查阅以及多种方法的对比，最终确定，基于心理知识科普的聊天机器人进行项目开发是采用面向对象的C#编程语言，开发平台为Microsoft Visual Studio Code，以语料库作为开发基础，RNN神经网络模型作为深度学习的模型，实现主要以心理学知识科普为主要方向的聊天功能。在该项目中，选择基于 RNN神经网络模型作为深度学习的模型，用于定义神经网络并进行模型计算，用于机器翻译、对话系统、自动文摘。1.2 项目开发工具及技术1.2.1 Unity Hub 2.4.4下载及环境配置在该设计

12、中，使用Unity Hub 2.4.4，该版本相对于Unity其他版本而言，功能已经较为全面，性能已经较为稳定；相对于Unity等更高版本而言，免费版本相对容易获取，且兼容性更高。Unity Hub不仅项目的创建与管理十分简便，使得新手可以快速学习上手Unity，而且简化了不同Unity版本的查找、下载及安装的过程。1.2.2 Visual Studio Code开发环境配置Visual Studio Code 是用于云应用及现代 Web 编程的跨平台编辑器，在Linux、Windows、 OS X上运行。Visual Studio Code对代码编辑进行了优化与再定义，由此可以得到新式云应用

13、及 Web 应用程序。VS Code提供了对JavaScript、TypeScript 和 Node.js 的内置支持，并为其他语言（如C+、C#、Java、Python、PHP、Go）和运行时（例如.NET和Unity）提供了丰富的扩展生态系统。1.2.3 中文语料库语料库是一种语言材料库，换句话来说是一种遵照语言学原则自然产生的连续文本或者片断组成的文本库。它不是某一种语言的简单堆砌，而是经过反复精细采集的包含语法关系、词法搭配的资料库，其容量和语料都保证了其领域的专业性、科学性、客观性4。1第2章 系统总体结构设计本项目主要是依据机器学习的RNN神经网络模型，用于定义神经网络并进行模型计

14、算，利用所训练出来语料库高效、丰富的语料资源的支持，实现用户与机器人的聊天。开发基础是语料库， 开发平台是Microsoft Visual Studio Code，开发语言是C#编程语言，RNN神经网络模型作为聊天机器人的模型。使得用户可以自由输入，机器进行分析关键词获得信息，在所使用的语料库的支持下完成自动问答过程，实现主要以心理学知识科普为主要方向的聊天功能及其他的辅助功能。2.1 系统可行性科学技术改变生活，该系统主要是为满足用户聊天倾诉的需要，利用问答系统及语料库，主要实现用户与机器人聊天的功能。2.1.1 技术可行性该项目的主要功能为机器人聊天。首先，用户进行注册账号，选择所使用功能

15、聊天或浏览网站。聊天时需要系统可以读取、分析用户输入的句子并进行合适的回答。想要完成该功能需要语料库的支持，语料库指经过系统科学取样和加工的大规模电子数据集，其中存放的是在沟通交流的实际使用中真实出现过的对话材料。本系统是在语料库的基础上进行实践的一次过程，主要工作并不是对RNN神经网络的研究。不同类型的聊天机器人所使用的技术难度不同，其侧重点也不同。聊天机器人种类众多，根据适用的范围不同，所运用的技术也存在一定差异。如，对于闲聊模式的机器人，是把问题标注为序列，在学习模型中添加有用的数据和信息，逐渐累积之后可获得；对于问答模式的机器人，其要对句子中的重点词语和短句进行提取，然后放入三元组或知

16、识图谱中进行搜索，为确保搜索的精准度，要采用分类措施。2.1.2 经济可行性Visual Studio 的开发公司是微软企业，该软件具有十分强大的功能，已经推出了 Visual Studio2005 、Visual Studio2008 、Visual Studio2010 、Visual Studio2013 、Visual Studio2015 、Visual Studio Code等多种版本。 Visual Studio 2015 的文件很大，对计算机性能以及硬件有着很高的要求，并且需要付费使用。而Visual Studio2005、2008 和 2010 版本目前都很少使用。所以，本研

17、究决定采用Visual Studio Code版本，该版本功能较为齐全，且无需付费使用。 项目中问答系统所需要的语料库则是本人在专业心理文档网站上找到心理咨询师与咨询者的聊天记录进行收集、整理及训练后所得出来的。 2.1.3 操作可行性在本科时修过 C#有关课程，积累了比较丰富的 C#开发经验，且接触过计算机相关理论，拥有良好的计算机基础。此外，学习能力较强，借助于各种学习资源完成自学，自主完成开发任务。 2.2 系统需求分析现如今，问答系统作为一项近年来热门的技术，在各个领域都有一定的发展。本研究通过学习与研究机器人聊天技术，期望进一步完善该技术，加快其进入日常生活的脚步，为人们生活提供更多

18、的便利。 2.2.1 功能需求分析该项目主要功能是实现机器人自动问答系统。机器人自动问答系统就是在用户输入自己想说的话，系统经过获取、分析、检索，匹配出相应句子进行回答。该系统实现的主要功能如下所述：1） 用户注册注销账号：用户使用该软件时，尚未注册的用户先进行注册再登录，已有帐户的用户直接登录，不想继续使用的用户可以选择注销账号。2） 与机器人进行聊天：在对话框中输入想说的话，系统分析，在语料库的支持下进行检索，匹配出最合适的回答。3） 浏览心理学网站：点击跳转按钮，链接了专业的心理网站支持用户浏览，进行相应的知识学习。2.2.2 非功能需求分析该系统除了要完成机器人聊天的主要功能，还在一定

19、程度上保证正确性与准确性，因此，对开发环境的要求主要有以下几点： （1） 硬件环境 计算机需要具备一定的安全性及稳定性，可实现简单的开发与学习。 （2） 软件环境 操作系统选用具有可靠性和安全性的Windows 10操作系统，开发环境选择高效、稳定、用户界面友好的VS2019，游戏动画制作选择Unity 2019.3.15的版本。2.3 系统总体设计2.3.1 系统总体框架在系统使用之前，要先对语料库中的语句进行分析、处理、训练以提取焦点词汇便于提高检索的精度。该系统的实现较为简洁，分为可视化模块、数据处理器，重点内容在于语料库的设计及如何基于关键字进行检索匹配语句回答问题。使用该系统的用户先

20、进行账号注册，然后选择自己想要进行的功能即机器人聊天或者浏览网站，不想继续使用时可选择注销账号。用户注册机器人聊天浏览网站账号注销自动问答语料库文本处理检索匹配图2-1 系统总体框架流程图2.3.2 聊天机器人的分类将聊天机器人以分为问答型、任务型和闲聊型三类。聊天机器人的功能不同，采用的技术也会有所差异，就实现的形式而言，问答聊天机器人可以分为检索式和生成式两类,前者通过上下文相似度匹配回复,后者则根据上下文生成回复5。根据检索的模型，它所做出的响应是使用预先定义好用于响应的语料库和专门设定的启发式推理根据输入和之前的对话做出的。换句话来说就是构建FAQ，存储问题答案对，之后再用检索的方式从

21、该FAQ中返回句子的答案。系统只会从固定的数据集中选择一个语句进行回答，并不会自动产生新的对话语句。检索式模型的优缺点都较为突出，基于检索的模型使用的是人工搭建的语料库，这种方法不容易出现语法上的错误，但是该模型并不能处理未经录入语料库响应的对话场景，也不能引用之前的对话信息，例如前面对话中提到的名称等。生成式聊天机器人，这种方法比检索式聊天机器人要更难一些，因为它并不依赖于语料库的对话数据，而是无中生有式的根据对话语境生成对应的响应。生成式模型一般情况下是基于机器翻译技术，这并不意味就是两种语言之间的翻译，而是用户与机器人对话中用户输入到机器人输出（响应）的“翻译”。2.3.3 检索式聊天机

22、器人通常检索模型使用的回复数据是预先存储且设定好的数据，而生成式模型是可以根据用户输入内容从而创造出未知的内容进行回复。换言说，检索式模型的输入是一段套路固定的模板即：一种对话环境和可能其对应的结果，对结果的评分越高就越有可能被模型输出。寻找最合适的回复内容的过程是：1、根据问题得到诸多结果2、对一堆可能适合的答案进行评分并排序3、选出分值最高的答案作为输出的回复。一般来讲，一对问答对正确与否与response和query中语义相近的词的数量有关，词义相近的词越多则说明该问答对越可能对正确。这种说法是有一定道理的，但事实上query和response并不一定是语义上的相近，有时候query和r

23、esponse在语义向量上并没有什么相似性。其流程如下：1）query、response均进行了分词，然后把各词映射为词向量形式，随后微调词向量。2）经上步处理的query、response再经同样的RNN逐词输入，以批处理形式在RNN中进行输入，如，一般的RNN在进行批处理的时候，以每批对数据进行处理，若批处理数量为2，则本来需要对2个样本进行输入，RNN则将第2个样本变为query的回复response，由此形成完整样本，RNN最后会得到一个向量，对query与response的语义联系进行捕捉。3）向量c乘以矩阵M，可对回复r进行预测。若向量c是256维，矩阵M是256*256，二者的乘

24、积是新的256维向量，即“生成式的回复向量”。矩阵M为要训练的参数。4）采用点乘的方法，对可选回复r与得到的回复r的相近程度进行预测，r=cT*Mr=cT*M,该值越大，说明可选回复作为回复的可信度越高；再采用sigmoid函数归一化，得到概率形式。基于检索的对话系统模式：s1,s2R，即字符串s1和s2符合一定的规则。h0RNNC1RNNRNNRNNRNNRNNh0C2ctR1R2rt h1 h2 c=ht h1 h2 r=ht图2-2 检索模型流程图2.3.4 RNN神经网络人工神经网络与其他学科领域联系日益紧密，人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题6。RNN（Re

25、current Neural Network）属于递归神经网络，其作用是对序列数据进行处理。1. RNN的结构及变体高度复杂的深度学习操作能够正确地生成序列并发现序列之间的相关性7。神经网络包罗了输入层、隐层及输出层，对函数进行激活后实现对输出的控制，各层间的连接采用权值。提前确定了激活函数，经过训练后神经网络模型习得的东西即包含于“权值”中。基础神经网络仅在层间有权连接，而对于RNN，在层间的神经元间同样有权连接。yLohxL(t)L(t-1)y(t+1)y(t)y(t-1)L(t+1)h(t+1)h(t)h(t-1)o(t+1)o(t)o(t-1)x(t+1)x(t)x(t-1)h(.)h

26、(.) V Unfold V V V W W W W W U U U U图2-3 基础的神经网络模型图根据上图，一个箭头即为一次变换，换句话说箭头连接具有权值。左侧和右侧分别为折叠与展开，左侧h附近的箭头为该结构的“循环“表现在隐层。对于展开结构而言，在RNN结构中，隐层神经元间同样有着权值。换句话说，在序列逐渐推进的时候，前面的隐层会对后面的产生影响。根据上图，L、y、O分别为损失函数、样本的确定值、输出，由此可知，在序列推进的时候，“损失“同样逐渐累积。此外，标准RNN包括下列几个特征：1）权值共享，W均是一样的，V与U也是相同。2）各输入值都分别与其对应的路线构建权连接，而不与其他神经元

27、相连。对于标准的RNN结构而言，无法应对全部的实际问题的，如，输入一段文字后，输出为分类类别，输出就无需一个序列，为单个输出即可。如图所示：Yx3x2x1h0h1h3h2h4x4图2-4 单个输出模型流程图同样的，我们有时候还需要单输入但是输出为序列的情况。那么就可以使用如下图所示结构：y4Xh0h1h3h2h4y3y2y1图2-5 单个输入序列输出流程图第三种结构是输入虽是序列，但不随着序列变化，就可以使用如下图所示结构：y4Xh0h1h3h2h4y3y2y1XXX图2-6 序列输入流程图2. 标准RNN的前向输出流程x、h、o分别为输入、隐层单元、输出，L表示损失函数，y表示训练集的标签，

28、右上角的t是t时刻的状态。在t时刻，因策单元h的表现不但取决于此刻输入，还与t时刻前有关。U、W和V为权值，权连接类型相同，权值也一样。由上可知，前向传播算法实际上并不复杂，对于t时刻： ( )表示激活函数，通常采用tanh函数，b是偏置。t时刻输出即为：最终模型的预测输出为： 表示激活函数，RNN一般用作分类，所以采用softmax函数。2.3.5 语料库语言作为人类思维、意识形态及文化传递的有效载体,其特定的社会服务功能和实用价值不可小觑8。随着大数据和人工智能技术的深入发展,语料库研究得到越来越多的关注和重视。从最开始的面向语言学研究的言语材料集合到如今支撑知识挖掘和发现的深度标注知识资

29、源,语料库及相关研究在深度和广度两方面都得到了充分的探索9。语料库是一种语言材料库，换句话来说是一种遵照语言学原则自然产生的连续文本或者片断组成的文本库10。构建语料库是为了确定语料的选择。就对语料库的大小而言，自然是包含的对话数据越多越好。从语料库的发展趋势来看，语料库应该是呈动态变化的，由于语言具有动态性，因此语料库同样需要是动态的，不断更新与丰富。语料库的内容方面，最重要的是真实可信，具体有以下要求：1）实际应用的对话文本进行收集，不可以伪造和虚构；2）对与条件相符的对话文本进行收集。第3章 系统详细设计与实现该系统一共分为可视化、数据预处理、数据处理器等模块，主要功能有用户注册注销账号

30、、问答系统、浏览心理学网站、支持安卓移动端和PC端的使用等。3.1 可视化模块3.1.1 用户注册注销账号用户首先需要创建自己的账号，包括了昵称、密码、年龄、性别等信息。已经注册的用户会在进行再次注册时显示已存在，用户返回页面登录即可，尚未注册的用户则会显示注册成功，返回登录。进行注销时，点击注销登录的按钮，即可注销账号。该系统本着对用户聊天信息进行保密的目的，对用户所与机器人的聊天不进行保存。用户退出后再次登录时，无法看到自己之前的聊天信息。用户注册登 录录注销账号聊 天录浏览网站录图3-1 注册界面流程图在UIManager.cs文件中定义封装了init函数，从用户界面获取的所有信息，使从

31、ButtonManager.cs文件中可以直接调用。以下是关键代码：注册账号：登录账号：注销账号：3.1.2 浏览网站该功能即用户想要对心理学知识进行了解时，点击“心理学”按钮进入场景之后，用户可以根据提示选择自己想要了解方向，点击按钮就可以跳转到专业的心理学网站上去浏览相应内容。以下是关键代码：3.2 数据处理器模块3.2.1 问答系统问答系统(QA)是高级的信息检索系统，对用户的提问，采用简单、精准的语言进行回答。用户想要进行聊天时，点击“与医生聊天”的按钮，进入一个场景当中，会出现两个行走的小人，一个为医生形象，一个为用户形象。屏幕下方还会有对话框，用户可以在对话框中输入自己想说的话，系

32、统分析用户句子中所包含关键词及其意思，在语料库中寻找意思最为相近的句子进行回答，实现人机交流。系统抓取分析用户句子里的关键词，在语料库中进行查找匹配相应句子进行回答，完成自动聊天功能。聊天功能分析语句提取关键字选择合适回答语料库 检索图3-2 问答系统流程图EnterButton.cs文件中的Math方法，获取用户在聊天界面输入的语句。以下是关键代码：将EnterButton.cs文件中获取的curSentence传递到SpeakManagerController.cs文件中，以下是关键代码：从SpeakManagerController.cs文件传递到Speakthistext.cs文件的S

33、tartSpeak方法中进行调用，以下是关键代码：调用用于执行协程遍历当前句子截取字符串，以下为关键代码：3.2.2 语料库的搭建该系统所使用的语料库则是研究人员亲自在专业的心理文档网站上下载并进行整理的，其中包括有了几百条心理咨询师与咨询者的对话记录，如下图所示：图3-3 语料库初始化语料库，对语料库中的语句进行字符串处理，然后将所有咨询者（此处写为机器人）的语句进行整理，形成可以用于匹配关键字的句子链表。以下为关键代码：3.2.3 关键字匹配在文件关键字.txt中，提取了关键字用于提高检索时的效率及准确度，这里展示了一部分。图3-4 关键词在EnterButton.cs文件中进行关键字匹配

34、。获取玩家输入的语句并提取关键词，curSentence即为从众多包含该关键词的语句中随机选取一个句子，以下为关键代码：初始化关键字，以下为关键代码：在for循环中遍历关键词链表，将匹配到所有的关键词集合，以下为关键代码：匹配到关键词之后，在语料库中进行语句的匹配。用for循环找到所有包含关键词的语句的集合，以下为关键代码：当匹配到多个包含关键词的语句，随机选择一个即可，若匹配到只一个，便直接回答该句子，以下为关键代码：第4章 系统测试本系统是基于问答系统的聊天机器人，主要功能是用户可以与机器进行聊天。即通过获取、分析用户输入的语句，根据语料库的设计，通过检索的形式匹配到最合适的语句及进行回答

35、。为检查系统的运行情况，找出存在的问题，并采用分析问题的方式改进系统，对其进行系统测试，期望可以提高运行质量与效率。 4.1 测试背景该系统的开发环境为Visual Studio Code版本，开发语言是C#，可视化模块的基础是Unity2019.3.15版本作为，在语料库的基础上完成聊天机器人系统。 在对系统进行测试之前，需要下载Unity2019.3.15并完成环境配置。在语料库和关键字基础上完成问答系统的设计，语料库是聊天机器人的基础，根据选择聊天机器人的类型所提前设计搭建好语料库。4.2 测试概要本系统一共有四个界面，分别为登录界面、注册界面、功能界面、聊天界面。登录界面测试内容分为四

36、项，账号输入、密码输入、登录按键、注册按键。下图为登录界面。图4-1 登录界面登录界面预期效果为输入账号密码后，点击登录。如果已注册变跳转至主要功能界面，若尚未注册，便提示尚未注册。登录界面流程图如图所示。登录界面输入账号密码主要功能界面注册界面 尚未 注册 成功 登录图4-2 登陆界面流程图注册页面包含了账号、密码、昵称、年龄四个输入框、性别选择的两个按钮、注册按钮及返回按钮。注册界面如图所示。图4-3 注册界面注册界面预期效果为用户输入个人信息后点击注册即可，注册完成后，按返回按钮，返回登录页面。下图为注册界面流程。注册界面输入个人信息点击注册按钮返回至登录界面注册成功图4-4 注册界面流

37、程图功能界面有与医生聊天按钮、心理学网站按钮、注销账号按钮。功能界面如图所示。图4-5 功能界面图4-6 心理网站功能界面预期效果为点击与医生聊天按钮可跳转至聊天界面进行聊天，点击心理学网站按钮可通过链接访问专业的心理学网站，点击注销账号按钮即可注销该账号并返回登录界面。功能界面流程图如图所示。功能界面跳转至网站心理学网站与医生聊天跳转至聊天界面注销成功注销账号返回登录界面图4-7 功能界面流程图聊天界面有虚拟人物形象、聊天对话框和发送按钮，用于输入对话内容，与机器人进行聊天。聊天界面如图所示。图4-8 聊天界面4.3 测试结果注册登录界面可以实现，对账号与密码进行输入后，点击登录，若已经注册

38、，则可直接登录，若为注册，则会跳转到注册界面进行注册，注册完成后，再回到登录页面。功能界面能够实现，登陆后界面出现三个按钮，分别为：与医生聊天、浏览心理网站、注销账号。聊天界面能够实现，点击与医生聊天的按钮后会跳转至聊天界面，出现医生形象和用户形象的虚拟小人，在界面下方会有对话框可以输入聊天内容，点击发送按钮，机器人会根据用户所说的进行相应的回复。点击浏览心理网站的按钮，会直接跳转至网站，用户可以直接进行浏览、学习等。点击注销账号，就直接进行注销，并返回登录界面。第5章 结论随着信息技术的飞速发展和多媒体技术的广泛应用，聊天机器人凭借其新颖性和未来前景好等特点在众多新兴技术中脱颖而出。聊天机器

39、人技术也不断发展，其中的机器学习也属于前沿技术。 本项目将心理咨询对话作为语料库的基础，设计了基于RNN神经网络模型的检索型聊天机器人，通过获取、分析、检索来与用户进行聊天的主要功能。聊天机器人功能即基于心理咨询聊天语料库，采用基于RNN神经网络模型的检索聊天方式与用户进行对话。同时还有点击按钮即可跳转链接至专业的心理学网站进行相应知识的了解。 系统同时也存在着一些不足。例如，语料库中包含的预料资源较少，这就可能会给聊天中机器人的回答带来一定的局限，使问答系统的准确性较低。为了解决这一问题，在后续的学习和实践中，可以不断扩充语料库，添加更多的语料资源，提高聊天机器人在回答过程中的准确性。 参考文献1陈樑鸿.开放领域聊天机器人对话生成算法研究D.重