聊天機器人如何抓取關鍵字
我們在討論聊天機器人是如何抓取關鍵字之前，得先來聊聊電腦是如何判斷詞彙之間的相關性。
還記得斷詞是什麼嗎？斷詞是電腦盡可能地正確辨識出最小且有意義的字詞。這時候我們就利用所謂的「詞向量」（word vector）評判各個詞彙之間的關聯性。
這時候我們就利用所謂的「詞向量」（word vector）評判各個詞彙之間的關聯性。講到詞向量，大家應該都很陌生吧？我們先來看一個簡單的二維圖示：
就像上圖一樣，以 (0,0) 為原點向外延伸，每個詞都有自己的位置。人類的語言太複雜抽象了，我們利用座標位置的方式來表達每個詞彙的意思，這樣電腦就可以輕鬆理解！
另外，意思相近的詞也會比較接近，例如，貓和狗都是動物，樹和花都是植物，所以它們各自都比較靠近與自己意思相近的字詞。
不過我們有千千萬萬個詞彙，當然不是只用一個二維空間就可以解決的，必須是一個多維度的空間，才塞得下所有詞彙各自的座標位置。
像是左圖，就是一個三維的詞向量空間。
電腦是如何知道詞彙之間的關聯性呢？在一個三維的詞向量空間中，如果我們將詞彙分為兩類，同樣為藍色的點就是關聯性較大的（例如狗、貓、兔子），同為紅色的點則是另一組關聯性較大的詞（例如：花、草、樹木、森林）。
可以藉由空間中每個詞之間的距離來判斷它們之間的關係，兩個詞彙的距離越遠，代表它們的關聯性比起距離近的詞來得小，反之亦然。
有了這些詞彙的關聯度後，只要有充分的數據，我們就可為電腦擷取出特定的資料，建構出一個數據模型，並應用在相關領域囉！
你也可以在這裡找到我們的文章！
