图：pixabay

　　本文编译自medium，该文的作者是XOXCO的联合创始人Ben Brown，该作者利用微软LUIS实现了机器人的自然语言处理（NLP）功能，教程很简单，圈友不妨试试，很有意思。

　　我们将Botkit Studio（https://www.botkit.ai/）和Microsoft LUIS（https://www.luis.ai/）之间集成起来。通过这种集成，开发人员可以在他们的机器人和Botkit提供的机器人构建工具中无缝地使用LUIS的自然语言处理服务。

　　Botkit Studio

　　Microsoft LUIS

　　那现在我们就来试试看吧

　　自然语言处理（NLP）是机器人构建的重要组成部分，但使用NLP并不像使用数据库或内容管理系统那么容易。NLP系统在没有被填满训练数据，以及被教会识别相关信息之前是不会做任何事情的。他们是黑盒子——输入进来，输出出去，但是没有办法知道结果将会是什么的，或为什么是这样的。因此，这是一个很难上手，很难设计，很难知道该在什么时候采用NLP，开奖，以一种相对简单的像正则表达式那样的技术，但并没有那么简单。

　　LUIS可以让你轻松地将会话智能添加到Botkit Studio项目中。

　　我们喜欢LUIS，因为它是最直接的自然语言API，不仅如此，我们在测试中看到的结果是具有非常高的质量的。而其他NLP工具已经扩展到添加平台特定功能或自动管理回复，虽然LUIS只做自己的语言输入，但它做得非常好。

　　我们设计了这种集成，atv直播，以便为希望使用NLP的开发人员提供更好的体验，因此新的应用程序可以成长为一个完全成熟的NLP系统，同时也从第一天获益。我们已经尽全力人性化NLP中使用的比较晦涩的术语——例如“话语（utterance）”这样的术语已被类似“示例文本（example text）”这样的描述所替代。我们的目标是使这些强大而令人兴奋的功能尽可能地可用于开发人员的构建和如今的实际应用的运行中去。

　　以下是我们尝试使自然语言处理更易于使用的几种方法：

　　内置的通用intents

　　浏览器具有后退按钮，可以通过点击“X”按钮关闭窗口。就像网站和应用程序一样，所有机器人都需要提供某种基本的导航工具和用户界面元素。适当地响应机器人接收到的常见问候，投诉和帮助请求对用户体验至关重要。

　　不必要求我们的每个开发人员单独训练他们的机器人来识别这种类型的消息，Botkit Studio提供了一个预先训练的LUIS请求，自动提供对多个消息的理解，例如：“嘿，你这个愚蠢的机器人我这里需要一些帮助”和“你是谁，为什么你突然间给我发消息？”

　　将这些常见的intents连接到Botkit Studio的灵活对话编辑工具，意味着机器人开发人员可以为用户提供自定义的适当响应，而不用考虑用200种方式来说“你好”。

　　用真实消息训练大脑

　　为了使NLP工具运转起来，需要提供大量的示例数据。那么这个数据应该从哪里来呢？

　　进入Botkit Studio的消息控制台。通过控制台，开发人员可以从开发的第一天开始收集，监控和分类真实用户的真实消息。然后，这些消息可以作为训练数据直接从Botkit控制台传递到LUIS中去。

　　将训练数据直接从Botkit Studio控制台添加到LUIS

　　通过匹配简单的关键字触发器启动的机器人，可以将生成的消息用作训练LUIS的种子数据。 机器人的所有者可以定期检查并重新训练这些作为用户与机器人交互的新鲜数据。机器人越来越聪明，就会有越来越多的人来使用它！

　　使用LUIS中的intents作为Botkit中的触发器