在现实场景中，很难判断是否需要聊天机器人。但是，可以根据图8-1所示的流程图来做出判断：
图8-1 用户互动模型
本章后面的内容将覆盖如下主题：
·聊天机器人的架构
·用于聊天机器人的LSTM序列到序列模型
·用序列到序列模型建立一个推特（Twitter）聊天机器人
1 技术要求
你需要具备Python 3、TensorFlow和Keras的基本知识。
本章的代码文件可以在GitHub上找到：
https://github.com/PacktPublishing/Intelligent-Projects-using-Python/tree/master/Chapter08
2 聊天机器人的架构
聊天机器人的核心是其自然语言处理框架。这个框架对用户提交的输入数据做分词（parsing）、翻译处理后，基于对用户输入数据的理解来给出响应。为了保证给出响应的合理性，聊天机器人也许需要向知识库和历史交易数据库寻求帮助。
因此，聊天机器人可以被粗略地分成两个类别：
·检索模型（Retrieval-based model）：一般来说，这类模型依赖于查询表或者知识库，它能从预定义好的一系列回答中选择一个来返回给用户。尽管这种方法显得有些简单，但大多数商业化的聊天机器人都属于这一类。不同模型的差别在于从查询表或者知识库里选择一个最佳答案的算法，其精细程度不同。
·生成模型（Generative model）：