这是我第一次在Stack Overflow上发帖，请告诉我以后在提问时是否需要更加详细。

目前我正在使用Java开发一个Android的虚拟助手应用，虽然进展顺利，但我不知道如何对用户输入进行分类。到目前为止，我已经在程序中实现了Stanford NLP Parser，这样可以对原始文本应用从句、短语和词汇标签。这让我能够让程序识别直接提问并从中提取主题，只需搜索某些标签的出现即可。

(ROOT  (SBARQ <--- 表示该句子是一个问题    (WHNP (WP Who))      (SQ (VBD were)        (NP (DT the) (FW samurai))) <--- 问题的对象      (. ?)))

虽然这感觉是一个进步，但我希望最终能够让助手能够对不同类型的问题进行分类（如与天气相关的问题、与时间/日期相关的问题等），同时也能够识别那些不那么直接但询问相同信息的问题（例如，“你能告诉我关于武士的事吗？”与“武士是谁？”）。仅仅使用Stanford NLP Parser并寻找某些标签来完成这项任务似乎非常困难。有人对我可以采取的其他方法有建议吗？

谢谢！

回答：

关于虚拟助手或聊天机器人，这通常被称为意图分类。有很多方法可以做到这一点，但通常你会提供标记的例子并训练一个模型来区分它们。以下是来自一篇博客文章的主题示例数据：

# 3类训练数据training_data = []training_data.append({"class":"greeting", "sentence":"how are you?"})training_data.append({"class":"greeting", "sentence":"how is your day?"})training_data.append({"class":"greeting", "sentence":"good day"})training_data.append({"class":"greeting", "sentence":"how is it going today?"})training_data.append({"class":"goodbye", "sentence":"have a nice day"})training_data.append({"class":"goodbye", "sentence":"see you later"})training_data.append({"class":"goodbye", "sentence":"have a nice day"})training_data.append({"class":"goodbye", "sentence":"talk to you soon"})training_data.append({"class":"sandwich", "sentence":"make me a sandwich"})training_data.append({"class":"sandwich", "sentence":"can you make a sandwich?"})training_data.append({"class":"sandwich", "sentence":"having a sandwich today?"})training_data.append({"class":"sandwich", "sentence":"what's for lunch?"})

虽然你的训练数据是特定于你的应用的，但原则上它与自动分类电子邮件或新闻文章没有不同。

一种易于使用的文本分类基线算法是朴素贝叶斯。较新的方法包括使用词移动距离或神经网络。

你提取主题的部分也被称为槽检测，助手的“意图和槽”架构很常见。即使你想从头开始构建一些东西，查看像rasa这样的聊天机器人平台的配置屏幕可能会有帮助，以了解如何使用训练数据。