Print the page
聊天機器人若要作出正確回應，它應同時具有短期和長期記憶，使機器人在回應時能夠串連過去對話與現時對話的關係。如何有效地關聯用戶查詢和先前對話之間的關係是其中一個主要挑戰，本項目使用查詢上下文注意技術來解決這個問題。此外，訓練聊天機器人的常見做法是盡可能輸入最多的數據，但這會增加數據收集/註釋的時間成本和模型訓練的計算成本。為降低成本，本項目採用小樣本學習來訓練聊天機器人，這方法需要較少的訓練數據，從而顯著降低與數據收集/註釋相關的成本和計算成本。
特點及優勢 :
- 能夠處理多輪對話
- 能夠處理多語境對話
- 能夠基於少樣本學習機制擴展到多領域
- 無需編碼即可輕鬆定制