标题有歧义，夸夸应该加个引号😄
清华夸夸群
刚看到这张截图时第一反应是太秀了，虽然不知道夸的是啥，但是还是非常受用的，治疗效果满分。人生不如意十之八九，想找人无脑夸下自己，又怕丢人，怎么办，简单自己做个无脑夸机器人呗。
直接展示代码：
一行Python代码实现夸夸聊天机器人
治愈神器
实现很简单，一行python代码，只要想好怎么夸自己，一行行写下来就可以了，只要你不嫌腻，天天夸，夸到海枯石烂都可以。
当然了，我们这次主要的目的不是夸自己，我们是要解决问题的，什么问题呢，当然是跟平台业务相关的了，就是我们的社区，那这里面有什么问题呢，试想一下，年轻人千辛万苦，克服种种困难才买到心仪的商品，费时费力还费钱，这个时候看到平台上有个社区，想着发个状态上去吧，收获一批赞美，满足一下自己的小心思，结果发上去之后，要么是没有评论，要么评论的不咸不淡，落差太大，幼小的心灵受到巨大创伤，试想以后哪还有动力上来发贴，这个时候是不是很需要一个无脑夸的机器人来捧个场，激发一下虚荣心。
那问题来了，要评论社区用户的状态，肯定不是一行代码可以解决的，那不是欺骗用户感情吗，至少我们也是要花点时间和心思的。
我们主要的目标应该是回复内容关联性和回复个性化，对每个人的状态我们要针对性的回复。这里面其实本质还是一个语义相似度的问题。
我们可以把整个过程拆分成三步
1.收集语料及分析
既然是要做到内容关联性，那语料肯定是要从社区历史评论中拿了，而且我们要做的是夸夸机器人，主题是夸，那自然也需要对评论数据做相应的清洗和筛选，这里面我们涉及到评论打标的问题，在人手不够的情况下，可以考虑半自动打标技术，通过少量数据先训练一个分类模型用来预测评论是否为夸，再通过对剩余评论进行预测取置信度高的评论直接打标，置信度低的评论人为打标，循环积累标注数据。最后我们可以得到一个（动态，夸评论）对的语料集
2.设计语义相似度模型
既然有了语料，那就要开始训练我们的模型了，这里可以借鉴上一篇文章，利用词向量模型召回query，通过计算动态之间的语义相似度（包括文本语义、图片语义和其他语义信息）选择相关评论候选集，再通过蒙特卡洛采样和多臂机策略随机选择一个评论，当然我们也可以通过ESIM等短文本匹配模型训练动态和评论的相关性进行排序选择
3.评论自动生成
评论候选集再多也会有穷尽的时候，既然要做个性化，那内容自动生成就不可或缺，这里的自动生成不是选一条评论自动生成，而是通过语料训练自动生成评论文本，可以使用翻译原理对动态做夸评论的transformer模型，也可以考虑使用GAN的方法生成假评论来拟合真实评论。
之后我们便可以拥有属于我们自己平台的个性化夸夸机器人啦。
本次分享纯属意外，时间有限，只产生个想法，后续会分享具体原理及相关实现。
夸夸v1.0
盗用下别人家的实现效果😄
网友评论