设计一个聊天机器人来提出正确的问题来猜测一个对象

Question

我正试图设计一个聊天机器人，以尽量少地问一些问题来猜测一个对象--一个人类用户。

假设我有这样一个数据库

Q1 Q2 Q3 Q4 Label
1  0  0  1  Apple
0  0  0  1  Apple
0  1  1  1  Mango

在Q1是“它是红色的颜色”，Q2是“它软吗？”，Q4是“它甜吗”。在真实的数据库中，可能有数千个可能的问题，数千个可能的标签。

聊天机器人会问一个问题

用户会回答“是”或“否”。

用户开始这个游戏的时候，脑子里有苹果。

聊天机器人问了第一个问题“它是红色的吗？”

人类:是的

聊天机器人计算到目前为止的概率。苹果60%，芒果0%

既然苹果现在的概率最高，它就会问一个问题，看看它是否真的是苹果，“它甜吗？”

人类:是的

聊天机器人更新概率。苹果公司90%。芒果40%

一旦概率足够高，聊天机器人就会停下来，把所有的概率都吐出来。

第一个问题:我需要得到每个标签的概率，只回答几个问题。在我问完第一个问题后说：“它是红色的吗？”鉴于到目前为止我们所知道的60% = Prob(Apple，1？?)，聊天机器人需要知道每个项目的概率。

我不太清楚如何将未知的特征向量提供给模型，并要求它进行预测。

第二个问题:我想问的问题最少，所以理想情况下，我想问一个可以真正区分的问题。我该如何决定下一个问题。

似乎传统的机器学习模式不起作用。你会如何设计这样的系统？

Answer 1

我找到了解决问题的办法。答案是朴素的贝斯。这个数学可以找到这里

X是一个特征

Y是问题中的对象。

while (True):
  # sort the object based on probability
  # print out the objects with their probability
  # top_object = object with highest probability
  # Get the x such that P(x=1|top_object) is the highest, and ask "do that object have x"
  # Wait for input from user 
  # Then for each object, update probability prob = prob * P(x=input|y)
  # remove x from possible feature can ask
  # if no more feature left, quit