摘 要：聊天机器人是目前人工智能和大数据应用领域一个研究热点，很多大型互联网公司投入重金研发相关技术，并陆续推出了很多相关产品。本文主要介绍了目前聊天机器人领域的主要类型，结合人工智能和大数据平台框架，探究基于深度学习和大数据分析的智能聊天机器人。
关键词：深度学习；大数据；聊天机器人
目前市场上已经有很多类型的聊天机器人了，很多企业也是能够希望积极研发出适合自己企业的聊天机器人。聊天机器人是未来科技发展的一种必然趋势。但是过于智能化的机器人究竟对人们的生活来说是一种好处还是坏处，我们不得而知，更加智能化聊天机器人，总地来说，一定会改变人们的生活方式，推动人类社会的进步。
1 聊天机器人的类型
1.1目标驱动驱动聊天机器人
目标驱动类聊天机器人是指这类机器人，能够在特定的环境下满足人们的某项要求，从而为人们提供更好的服务。这种机器人在生活中使用是非常的广泛，比如说淘宝上经常用的客服机器人以及人们在进行订票的时候所用的机器人，他们只是用于固定的场所，能够满足人们特定的需要，但是不够灵活的。目标驱动类型机器人能够理解人们所说的话，但是由于内容比较古板，所以有些需求还是需要人工来进行，才更好。当人具体的情况还是需要后期的研发才能更好地满足人们的需求，更适应人们的生活。这类目标驱动型聊天机器人在生活中应用已经比较广泛了，很多场景都已经应用了，在未来这种聊天机器人也一定会有很大的应用前景，因为能够节省一些人力物力，其一定会有很好的发展前景的。
1.2无目标驱动机器人
无目标驱动聊天机器人就是指没有固定的话题，话题比较广泛，从而能够与人进行交流沟通的机器人。他的话题并没有明显的目的性，但是他的主要目的就是满足人们讲话的需求。现在这种功能主要是用来娱乐聊天这类功能。比如说天猫精灵以及Siri基本上都能够满足这类聊天功能。但是这些天猫精灵，他们还有额外的能够满足人们其他需求的功能，可以说天猫精灵既是驱动型驱动类型机器人，也可以说无目的驱动机器人。在未来聊天机器人的发展可能就是要朝着这种方向发展的，既能够满足人们的需求，又能有效满足人们的聊天需求，从而更好地满足人们的需求。
1.3检索式聊天机器人
检索式聊天机器人，就是说给聊天机器人一定的内容区域，然后让机器人自动进行检索，通过谈话的方式得到自己想要的内容。当系统接收到用户的语句需求时，在对话框里找到之前输入的内容，然后进而在进行输出。检索类聊天机器人他们对系统要求比较高，因为他们输出的内容质量也比较高，所以就会需要更高的要求和技术要求，从而才能够得到满意的答复，才能够有效进行大幅使用，从而满足人们的讲话需求，但是同样，它会对聊天机器人的要求会更高，但是这类机器人它的回答质量比较好，在未来这种趋势发展肯定也是有一定的需求的，未来可能也会朝着这个方向发展。
1.4生成式聊天机器人
生成是聊天机器人，就是比较简单了，就是聊天机器人在收到用户的句子以后，然后他会通过自己的技术手段和答题思路，从而形成一定的句子，然后回答用户的问题。这机器人就是他能够接受用户的任何信息，但是对技术手段要求比较高，因为它涉及的话题会比较广。
但是他也会存在一定的问题，比如说他的生成的句子可能会有一些问题，当自己的技术手段不能够满足的时候，就容易会出现一些问题，从而不利于用户对句子的理解和记忆，给用户带来不好的用户体验。
2 智能聊天机器人设计思路及的技术
2.1 主要思路
智能聊天机器人本质上就是一个自动对话系统，研究一个这样的系统，主要研究涉及到的知识领域就是自然语言处理。一般而言，这样的一个自动对话系统，主要包括三大模块：输入处理模块、信息检索模块、答案的生成与过滤模块。本文所研究的机器人以目前聊天机器人领域的主流技术为研究核心，结合大数据平台Hadoop，Map Reduce框架实现基于深度学习和大数据分析的聊天机器人，针对聊天平台的Web架构设计、大数据分析的Map Reduce方法、人工神经网络模型在S2S(Sequence to Sequence)上的应用、半朴素贝叶斯分类器等方面进行主要研究，实现一个以机器学习算法结合大数据分析方案为基础、拥有一定的记忆能力且可以判断聊天对象友好程度机器人，从而让他适用于多种不同应用场景。
2.2 关键技术
实现基于深度学习和大数据分析智能聊天机器人涉及的关键技术主要包括：大数据与Map Reduce方法、贝叶斯分类器、人工神经网络、BP算法推导、深度学习模型（RNN和LSTM）以及基于半朴素贝叶斯分类器对用户的友好程度分析。基于大数据分析的聊天机器人的设计，分为整体设计、基于大数据分析的聊天策略的设计、聊天机器人对话展示平台的设计。而基于大数据分析的聊天策略包括：语料收集模块、语料预处理、问题处理、答案检索、基于LSTM的会话训练、用户友好程度分析模块。聊天机器人的对话展示平台包括对话平台的总体设计、数据库设计和接口设计。基于大数据分析的聊天机器人的实现包括利用爬虫的数据收集模块、由分词和生成词向量组成的语料预处理模块、由问题类型计算和问题特征选择组成的问题处理模块、答案的检索模块、基于序列的会话训练模块和基于Hadoop的MapReduce框架的问题分类模块、神经网络参数训练和句子友好程度分析模块的实现。这些技术在聊天机器人中积极应用到这些技术能够很好地促进聊天机器人的发展，让更多的聊天机器人了解，知道这类知识，从而更好地满足客户的需求，让客户获得更好地用户体验，从而有效提高聊天机器人的应用和发展。
结束语：本文主要介绍了目前市场上聊天机器人的主要类型、利用深度学习和大数据算法构建智能聊天机器人系统的主要思路和所涉及的关键技术，探究了基于深度学习和大数据分析的智能聊天机器人。
参考文献：
[1]潘乐. 基于云计算的大数据处理技术研究[J]. 物联网技术,2017,7(06):67-68+70.
[2]胡竑,陈颖,刘晓青,黄梦斌.基于物联网的智慧机器人大数据分析系统开发分析[J].科技资讯,2019,17(27):17-18.
[3]王艳. 云计算背景下的机器人技术分析[J]. 无线互联科技,2019,16(11):145-146.
作者简介：张帅（1987-），男，主要从事通信技术、人工智能与大数据应用等方向研究。电子邮箱：zhangshuaiwfgc@163.com，