使用 MxNet 而不是 API.AI (DialogFlow)、LUIS、WIT.AI 或任何其他 AI 框架开发聊天船有什么好处？
What are the benefits of developing chatboat using MxNet rather than API.AI (DialogFlow), LUIS, WIT.AI or any other AI framework?
我想为我的零售店项目开发自己的聊天机器人。我检查了不同的框架，如 API.AI (DialogFlow)、LUIS、WIT.AI 和 Whatsan 虚拟代理。但是我也遇到了MXNet。因此，如果我使用 MxNet 开发自己的聊天机器人，那么与上面讨论的其他内置聊天机器人相比有什么优势 API
MXNet 是一个深度学习框架，可以进行通用的模型训练和推理。 API.AI、Amazon Lex、WIT.AI 等所做的是提供一个 使用 这种训练和推理的平台，但它本身是一个独立的引擎，而不是深度学习学习框架。
API.AI，例如，提供对话和上下文结构，允许在对话进行时填充数据槽的同时进行对话，但这超出了深度学习引擎的范围。聊天机器人平台将利用深度学习引擎（及其模型）来完成其子任务，例如语音识别和将 spoken/written 文本转换为规范形式。
MXNet 相对于现有框架的优势
MXNet 深度学习框架可用于实施、训练和部署可解决文本分类和情感分析问题的深度神经网络。
** 改进了同义词、上位词和下位词**
假设用户要苏打水，但您的聊天机器人只知道特定术语，例如可口可乐或百事可乐，它们是苏打水的同义词。上位词、同义词和下位词可以用英语处理，因为有很多 NLP 资源，称为词库和本体，但它们通常是针对通用语言的。因此，可口可乐这种非常具体的领域术语不太可能成为此类资源的一部分。
您可以尝试找到适合您问题的现有同义词库或自己构建。由领域专家构建的资源很昂贵，但非常准确。使用机器学习，您可以创建语言（语言库）资源，特别是使用深度学习技术，这可能足以满足您的用例。
最终结论
- 如果我们使用 MXNet 从头开始构建 Chat，我们需要机器学习
经验，我们需要资源和时间。它是我们无法获得的开源
即时支持也是如此。所以，其他选择是使用
解决一般 NLP 问题的工具组合（即
Dialogflow、Wit.ai、IBM watson agent assist 等）加上自定义服务器
更强大功能的辅助逻辑。
我想为我的零售店项目开发自己的聊天机器人。我检查了不同的框架，如 API.AI (DialogFlow)、LUIS、WIT.AI 和 Whatsan 虚拟代理。但是我也遇到了MXNet。因此，如果我使用 MxNet 开发自己的聊天机器人，那么与上面讨论的其他内置聊天机器人相比有什么优势 API
MXNet 是一个深度学习框架，可以进行通用的模型训练和推理。 API.AI、Amazon Lex、WIT.AI 等所做的是提供一个 使用 这种训练和推理的平台，但它本身是一个独立的引擎，而不是深度学习学习框架。 API.AI，例如，提供对话和上下文结构，允许在对话进行时填充数据槽的同时进行对话，但这超出了深度学习引擎的范围。聊天机器人平台将利用深度学习引擎（及其模型）来完成其子任务，例如语音识别和将 spoken/written 文本转换为规范形式。
MXNet 相对于现有框架的优势
MXNet 深度学习框架可用于实施、训练和部署可解决文本分类和情感分析问题的深度神经网络。
** 改进了同义词、上位词和下位词**
假设用户要苏打水，但您的聊天机器人只知道特定术语，例如可口可乐或百事可乐，它们是苏打水的同义词。上位词、同义词和下位词可以用英语处理，因为有很多 NLP 资源，称为词库和本体，但它们通常是针对通用语言的。因此，可口可乐这种非常具体的领域术语不太可能成为此类资源的一部分。
您可以尝试找到适合您问题的现有同义词库或自己构建。由领域专家构建的资源很昂贵，但非常准确。使用机器学习，您可以创建语言（语言库）资源，特别是使用深度学习技术，这可能足以满足您的用例。
最终结论
- 如果我们使用 MXNet 从头开始构建 Chat，我们需要机器学习 经验，我们需要资源和时间。它是我们无法获得的开源 即时支持也是如此。所以，其他选择是使用 解决一般 NLP 问题的工具组合（即 Dialogflow、Wit.ai、IBM watson agent assist 等）加上自定义服务器 更强大功能的辅助逻辑。