Nlp 聊天机器人能否在与可信用户聊天时学习或取消学习
像[Rasa]这样的聊天机器人能否从受信任的用户（新的额外员工、产品ID、产品类别或属性）中学习，或者在这些实体不再是最新实体时取消学习？Nlp 聊天机器人能否在与可信用户聊天时学习或取消学习,nlp,chatbot,rasa,Nlp,Chatbot,Rasa,像[Rasa]这样的聊天机器人能否从受信任的用户（新的额外员工、产品ID、产品类别或属性）中学习，或者在这些实体不再是最新实体时取消学习？ 或者，在新版本投入使用之前，我是否必须进行正式的数据收集、培训课程、测试（置信率>给定比率）。如果您有实体值正在根据有效值的移动列表进行检查，则根据始终是最新的数据库检查这些值更具可扩展性（例如，您的后端系统可能有一个可查询的当前员工列表）。然后，如果用户提供了一个以前有效但现在无效的值，则其行为将与用户首先提供的无效值相同 这样，无论某些培训示例是否不相关
或者，在新版本投入使用之前，我是否必须进行正式的数据收集、培训课程、测试（置信率>给定比率）。如果您有实体值正在根据有效值的移动列表进行检查，则根据始终是最新的数据库检查这些值更具可扩展性（例如，您的后端系统可能有一个可查询的当前员工列表）。然后，如果用户提供了一个以前有效但现在无效的值，则其行为将与用户首先提供的无效值相同
这样，无论某些培训示例是否不相关，实体提取都可以保持不变——当然，让您的数据保持最新总是好的！许多聊天机器人没有这样的功能。除了像Alexa这样的具有关键字“记住”的先进聊天机器人之外2017年可用+/-。用户希望Alexa记住某些事实
IMHO这样一个功能是“智能”的标志。在ML系统中实现这一功能并不容易，在通过学习示例后，通过反向传播更新其神经网络模型中的系数。基于规则的系统（如CHAT80地理QA系统）将他们的知识存储在可以更透明地更新的关系中。你知道Rasa或其他聊天机器人是否具有像你建议的那样“对照数据库检查值”的功能吗？AFAIK机器学习算法将他们的“知识”存储在底层网络的模糊系数中w/o（人类）逻辑对应。我认为聊天机器人知识既不可扩展也不可扩展（如问题中提到的额外事实），至少到今天为止。可能在5年后？这是您要为其编写函数的内容。因此，例如，如果您有一个名为
检查\u employee\u value“employee”：“value”“employee”：None