NLP是電話機器人的耳朵,有了這項技術,機器人就能聽懂客戶說的意思,同時給出反應。通過語音識別系統,可以使機器人具有識別以及可以快速識別認客戶對話的才能,在短時間內對問題做出回應,進行人機交互對答。同時,因為交互分析系統選用抗噪性極強的深度神經學算法以及卷積神經網絡算法（卷積神經網絡的整體結構，也成為影響其工作效率和效果的重要因素。

一個比較典型的做法，是首先對輸入的圖像展開一個大卷積核神經層加工，確保訓練時間得到控制的同時有效降低錯誤率。并且可以考慮以全連接型的神經網絡和Softmax回歸作為算法結構的結尾，輸出概率最高的幾個處理結果，便于衡量算法準確率。）,這就提高了機器人完結一問多回的高度理解力。

深度學習技術既可以用于基于檢索的模型，也可以用于生成式模型，但是chatbot領域的研究似乎正在向生成式模型方向發展。 像seq2seq這樣的深度學習體系結構非常適合l來生成文本，研究人員希望在這個領域取得快速進展。 然而，我們仍然處于建立合理、良好的生成式模型的初期階段。現在上線的生產系統更可能是采用了基于檢索的模型。對話越長，就越難實現自動化。 一種是短文本對話（更容易實現） ，其目標是為單個輸入生成單個響應。 例如，你可能收到來自用戶的特定問題，并回復相應的答案。 另一種是很長的談話（更難實現） ，談話過程會經歷多個轉折，需要跟蹤之前說過的話。 客戶服務中的對話通常是涉及多個問題的長時間對話。