聊天机器人是动态代理，具有参与对话交互的表达能力。通过对用户话语应用创新的语言简化规则，我们使聊天机器人能够将任何语句或句子简化为最基本的形式，以便机器人可以快速理解它并做出适当的响应。

语言简化规则与自然语言技术应用的聊天机器人之间的关系是双重的。首先，这种配对极大地简化了聊天机器人应用程序，因此无论聊天机器人遇到什么文本或语音，他们都可以轻松理解和响应它。其次，通过将知识图谱和分类法相关联，构成的组合可以使聊天机器人比任何当前的商业产品（包括Alexa和Siri）更有用。

简化语言

这种符号推理方法背后的一般概念是，当人们说话或写作时，他们会使用的比必要多的单词，来表达最简单的逻辑陈述。例如，有很多方法可以问别人他或她的名字，包括“你能告诉我你的名字吗？”

简化规则会将这个简单的问题简化为“你叫什么名字？”，这样机器人就可以快速理解它的含义，然后使用其他技术来回答它。

虽然这个例子看起来微不足道，但它说明了一个基本方法，该方法对于改进许多业务用例是不可或缺的，从分析法律文档到增强呼叫中心交互或任何其他NLP应用。

少即是多

语言简化可以被认为是一种基于规则的方法，这是NLP的符号人工智能方法的基础之一。虽然它们是手动创建的，但它们的美妙之处在于它们对任何自然语言处理用例的普遍适用性。当涉及分类法时，这种效用会扩大很多，即使没有这样的分层词汇表，这种方法也适用于任何领域，从制药到金融或任何其他领域。这些规则基于识别语言中的模式并将其减少到最低限度，以便聊天机器人或计算机可以轻松理解它们。

考虑以下客户可能会问的句子：“我只需要知道你现在是否开放。”由于缩减规则是递归的，因此机器人可以将一系列规则应用于此问题。

例如，有人可能会说，每当检测到“我只是”时，它都可以简化为“我”。或者，以“我需要知道某事”开头的短语可以简化为“告诉我一些事情”。通过应用这些规则，这个12个单词的句子被简化为“你现在开放了吗？——一个简单得多的句子。

缩减规则

将归约规则视为包含左侧（输入或所有可以用语言表达的详尽方式）和右侧或输出，其中包含最简单的形式的简化。

聊天机器人将这些规则与一组用于回答问题的附加规则相结合，这对于与零售商，供应商或某些网站的在线交互非常有用。

生成这些规则需要训练数据或自然语言本身中发现的常见问题、短语和句子的几个标记示例。但是，好处是机器人响应中明确的质量控制，这适用于每个简化的句子。输出还可能包含对于特定简化的多种响应，这些响应表达同样的意思，但形式不同，因此让机器人显得充满活力。

构建聊天机器人智能

使用聊天机器人和简化规则进行NLP的真正魔力在于将它们与由分类提供支持的特定领域知识图谱相结合。在这种情况下，客户提出的问题或法律文件中发现的信息将用作查询，通过知识库获取及时的答案。查询本身将存储在知识图谱中（依赖于统一的分类法），以不断构建知识以支持高度复杂的用例。

虽然大多数聊天机器人在最初的语句后就会崩溃，但将每个简化作为知识图谱中的三元组进行存储后，公司可以查询它们以全面了解该场景中的所有内容。例如，将此技术应用于飞机维修的维护记录，可以深入了解常见的维修场景和预测性维护，以完全消除故障。

通过使用语言简化规则和知识图谱来增强聊天机器人，可以使聊天机器人真正具有超越当今任何现有功能的对话复杂性。