Python 如何使用数据库训练智能聊天机器人，然后将其添加到iOS应用程序

我想为iOS创建一个智能聊天机器人类型的应用程序，它使用和我创建的一些自定义训练数据来训练一个可以与用户对话的机器学习模型，最好跟踪对话并执行一些简单的任务

我会更深入的

最近我遇到了一种方法，所以我尝试使用TensorFlow，并意识到转换方法是有限的，使用TensorFlow需要我学习比我已经知道的更多的东西，我根本没有时间去做。我是一名iOS开发人员，因此熟悉Swift和Objective-C，所以我想知道是否有办法使用它们来做同样的事情

我希望能够用我在训练TensorFlow时尝试使用的方法训练一个模型，以及我对它所做的任何贡献。我的意思是，我可能希望我的聊天机器人做一些特定的任务，或者以特定的方式回答某些异常的问题。我想我可以通过将我自己的“对话”添加到康奈尔大学的数据库中来实现这一点，该数据库包含我的特定需求。如果有其他方法，我可以把我自己的数据注入这个，请让我知道

我还希望聊天机器人能够完成特定的任务。因此，我认为我需要一个更复杂的模型，能够识别聊天机器人何时被要求做一些事情，比如在这里开灯或向某人发送文本（非常小的事情，只需要一个触发器和一些参数）

让模型记住对话的某些方面也很好。例如，如果聊天机器人问我的名字，我回答，它应该记得我的名字是什么，如果我问它我的名字是什么。这也适用于更复杂的事情，比如我问它明天多伦多的天气如何，它回答，然后我问“下周二怎么样？”它回答下周二多伦多的天气

总的来说，我想使用CoreML（可能还有它看起来非常好的自然语言处理能力）为iOS应用程序的聊天机器人创建一个复杂的模型

---

我不知道这是否可行，但我真的很想尝试尽可能获得最先进的iOS对话聊天机器人。

如果你可以调用API（如果没有WiFi，它将变得毫无用处）并付费，谷歌的对话流可能是一个很好的工具，因为它已经有了很好的NLP。您仍然需要自己存储大量信息，并为其他部分编写自己的功能（比如向天气API发送请求），但这对于理解某人讲话背后的意图非常有用

如果您不想在没有WiFi的情况下付费或需要它工作，Udemy上有一个40多小时的课程，名为自然语言处理a-Z，这对使用tensorflow学习NLP非常有用。需要更多的工作，但谷歌不会削减，你可能可以在没有WiFi的情况下工作