NLP是電話機器人的耳朵,有了這項技術,機器人就能聽懂客戶說的意思,同時給出反應。通過語音識別系統(tǒng),可以使機器人具有識別以及可以快速識別認客戶對話的才能,在短時間內對問題做出回應,進行人機交互對答。同時,因為交互分析系統(tǒng)選用抗噪性極強的深度神經學算法以及卷積神經網絡算法（卷積神經網絡的整體結構，也成為影響其工作效率和效果的重要因素。
一個比較典型的做法，是首先對輸入的圖像展開一個大卷積核神經層加工，確保訓練時間得到控制的同時有效降低錯誤率。并且可以考慮以全連接型的神經網絡和Softmax回歸作為算法結構的結尾，輸出概率最高的幾個處理結果，便于衡量算法準確率。）,這就提高了機器人完結一問多回的高度理解力。
深度學習技術既可以用于基于檢索的模型，也可以用于生成式模型，但是chatbot領域的研究似乎正在向生成式模型方向發(fā)展。 像seq2seq這樣的深度學習體系結構非常適合l來生成文本，研究人員希望在這個領域取得快速進展。 然而，我們仍然處于建立合理、良好的生成式模型的初期階段?，F在上線的生產系統(tǒng)更可能是采用了基于檢索的模型。對話越長，就越難實現自動化。 一種是短文本對話（更容易實現） ，其目標是為單個輸入生成單個響應。 例如，你可能收到來自用戶的特定問題，并回復相應的答案。 另一種是很長的談話（更難實現） ，談話過程會經歷多個轉折，需要跟蹤之前說過的話。 客戶服務中的對話通常是涉及多個問題的長時間對話。
