我有一个系统，用户可以发送许多聊天消息，其中许多是问题，例如如何注册账号？我该怎么做？X在哪里？

为了解决这个问题，我有兴趣创建一个FAQbot，它可以接收聊天消息，然后决定是否发送一条有帮助的消息，解释如何做某事。例如，当用户输入如何注册账号？时，机器人应该回复类似你可以通过...注册的内容。如果用户输入如何注册？、我无法注册账号！、请问有人能告诉我如何注册吗？或其他类似的问题，机器人都应该这样回复。机器人将有一组固定的答案，针对我们预期用户会有的各种问题，因此我计划训练神经网络，对于不需要回复的消息输出0，或者输出对应特定回复消息的ID号。

我想我会记录所有聊天消息，逐一分类它们，判断哪些消息或无需消息是适当的回复，然后将这些数据输入神经网络。我还将创建工具来纠正不当的回复或缺乏回复的情况。

我使用C#，可能会使用如Accord.NET这样的库，尽管我不是在询问具体的实现方法。我的问题是如何将聊天消息字符串转换为神经网络的有效输入。我想象它会告诉网络使用了哪些单词和标点符号，单词的顺序，以及哪些单词跟随哪些其他单词。然而，具体的实现方法让我困惑。

回答：

首先 – 你的任务似乎是某种自然文本分类（每个常见问题代表一个类别）。

另外 – 也许可以使用TF-IDF向量？另一种方法是将输入表示为词向量矩阵（来自word2vec或类似工具），但在这种情况下，人工神经网络将会有很多参数 – 因此似乎你无法正确地训练它。

p.s. 另外 – 你可能更喜欢使用api.ai，或者基于Watson nlc的机器人？