歡迎來到演算法、軟體和硬體三位一體的未來世界論文書籍站
崑山科技大學 資訊工程研究所 鄭朝榮所指導 何應承的 基於檢索生成式架構之電影討論語料庫開發 （2018），提出顯卡 背 板 PTT關鍵因素是什麼，來自於序列到序列、深度學習、檢索式模型、生成式模型、聊天機器人。
基於檢索生成式架構之電影討論語料庫開發
為了解決顯卡 背 板 PTT 的問題，作者何應承 這樣論述：
目前聊天機器人的對話設計，因為成本因素大多無使用語料庫，而直接套用預設的問答對話，當使用者詢問相關的關鍵字，聊天機器人才會回應，對消費者來說較無吸引力及實用性。若能結合用戶常用的通訊軟體，與顧客24小時隨時互動，店家將可以透過聊天機器人與顧客聊天並探知使用者的喜好。因此，本論文將開發基於自然語言處理(Natural Language Processing)的電影語料庫及電影知識庫，以PTT電影看板為例，使用網路爬蟲程式，將網友們討論電影主題的內容爬取下來，先以Jieba斷詞演算法處理後，電影語料庫部份採用Seq2Seq模型訓練，訓練好的Seq2Seq模型即為聊天機器人的電影問答模組。為了提高
系統的精確性，本論文結合檢索式與生成式架構所組成的語料庫，有兩種模式，預設先進入檢索模式，當使用者詢問PTT電影看板討論的相關電影主題，經過檢索式模型問答配對，使用BM25適用性判斷是否輸出檢索式電影知識庫中對應的詞句。若沒有達到BM25判斷的條件，則系統進入Seq2Seq模式，直接讀取訓練好的電影問答模組，生成回答給使用者。檢索生成式架構的聊天機器人能與使用者以互動方式討論更多的電影知識話題，相較於舊版聊天機器人使用Dialogflow、wit.ai自訂模組的Q&A問答，本論文可減少設定意圖(Intents)和關鍵字(Entities)規則等的繁複性工作。