这是一篇比较闲扯的综述。
聊天机器人分类分类描述见[1],“目标驱动型聊天机器人和无目标驱动型聊天机器人。目标驱动机器人是指机器人的服务目标或服务对象是明确的，是可以提供特殊服务的问答系统，处理特定领域的问题，即定领域的聊天机器人，比如客服机器人，订票机器人等。无目标驱动机器人是指机器人的服务对象和聊天范围不明确，可以处理的问题多种多样，解决问题时需要依赖于宇宙中的各种信息和本体，即开放领域的聊天机器人，比如娱乐聊天机器人等。”
聊天机器人实践苹果Siri，微软Cortana，脸书Messenger，谷歌Assistant等。
大公司们通过大数据、自然语义分析、机器学习和深度神经网络方面的技术积累，精炼形成自己的真实有趣的语料库，在不断训练的过程中通过理解对话数据中的语义和语境信息，从而实现超越一般简单人机问答的自然智能交互，为用户带来方便与乐趣。
人机对话的功能[4]
目前看到的有两种类型，检索式[2]和生成式[1]。
检索式
检索式聊天机器人是指使用了预定义回复库和某种启发方式来根据输入和语境做出合适的回复，这种启发方式既可以像基于规则的表达式匹配一样简单，也可以像机器学习分类器一样复杂。换一句话说，在这种模式下，机器人回复的内容都处于一个对话语料库中，当其收到用户输入的句子序列后，聊天系统会在对话语料库中进行搜索匹配并提取响应的回答内容，进行输出。
生成式
两种方法的优缺点对比
目前一些聊天系统主要采用nltk文本语料处理，进行词义分析，语义分析，提取关键词，获取词向量或句子向量，结合随机森林，CNN，RNN等模型进行多分类，最后获取机器应答。
常见的开源聊天机器人有ChatterBot和基于tensorflow的chatbot，根据网友提供的实验数据，在进行闲聊型，任务型，知识型三种话题的交互进行时，chatbot机器人的表现更优，不过主要限制在训练语料上。
下面是我网上对chatbot的一个生成式的案例的运行结果，可以看出来还是很扯淡的，基本上无法实现智能聊天，当然可能算法还不行。
现有的聊天机器人貌似还跟真正的人工智能差距较大，没有想象中的nb。以后聊天机器人的发展跟人工智能AI的进一步的发展，尤其AI在脑机、生物脑等技术发展后看看能否有突破。
参考文献
[1]https://www.hanspub.org/journal/PaperInformation.aspx?paperID=25636
[2]https://www.jsjkx.com/CN/article/openArticlePDF.jsp?id=20461
[3]https://blog.csdn.net/u013363120/article/details/89502353
[4]https://zhuanlan.zhihu.com/p/111676991
,
