我有一个系统，用户可以在其中发送许多聊天消息，其中很多都是问题，例如How do I register an account?
How do I do this? Where is X?
为了帮助解决这个问题，我有兴趣创建一个FAQbot来接收聊天消息，然后决定是否发送一条有用的消息来解释如何做事。因此用户输入How do I register an account?并且机器人应该回复You can register by ...的内容。如果用户输入How do I register?，I can't register an account!，{{1}，机器人应该回复或者其他类似的东西。这个机器人会给我们期望用户提出的各种问题提供一组固定的答案，因此我计划将神经网络培训到Can somebody please tell me how to register?以获取不需要回复的消息，或者一些与给定回复消息对应的其他output 0。
我在想我会记录所有的聊天消息，通过哪些消息进行分类，或者将消息分类为适当的回复，然后将其提供给神经网络。我还会创建工具来纠正不恰当的回复或缺乏回复。
我正在使用ID number并且可能会使用C#这样的库，尽管我并没有要求具体的实现。我的一个问题是如何将聊天消息字符串转换为神经网络的有效输入。我想它会告诉网络使用了哪些单词和标点符号，这些单词的顺序是什么，以及哪些单词跟随哪些单词。但是，我的具体实施是不可能的。
答案 0 :(得分：1)
首先 - 似乎你的任务是某种natural text classification（每个常见问题解答提出一个类）。
另外 - 也许TF-IDF向量？
我看到的另一种方式 - 将输入作为单词向量的矩阵（来自word2vec或类似的东西），但似乎在这种情况下ANN将有许多参数 - 所以看起来你似乎不能正确训练它。 / p>
P.S。也许 - 你可能更喜欢api.ai，或者可能 - 基于Watson nlc的机器人？