神经网络再度崛起给社会带来了巨大的影响,应用结合最深入的莫过于图像处理以及自然语言处理等领域,应用深度学习的聊天机器人正是其中热点。近年来,聊天机器人与专业领域的结合更是成为了当下非常热的人工智能的研究方向。目前世界各地的研究者们在研究开发面向专业领域的智能聊天机器人时,一般都会采用深度学习技术对系统进行开发,目前很多学者尝试采用检索与生成相结合的方式设计系统,本文的研究基于这种想法进行设计。本文针对聊天机器人的发展以及在医学领域的应用进行了分析研究,结合当下中医的发展现状,提出设计一个可用于中医问诊的、可学习的智能问答系统。本文重点完成的工作有:1、通过研究词嵌入技术,学习使用Google研发的Word2Vec训练工具训练的词向量在深度模型中的应用,实验词向量和独热编码在处理文本中的表现;2、准确查找定位系统研发需要的医疗问诊数据集,通过研究网络爬虫技术搜集整理系统设计需要的数据集并标注,研究自然语言处理基础,对系统数据集进行有效的处理,包括建立术语字典,保存整理后的有效数据等;3、通过实验SVM以及卷积神经网络在文本分类数据集上的表现,研究并改进模型,采用卷积神经网络和SVM进行组合的模型对用户的问句进行分类,提高了分类准确率;4、研究并采用基于双向长短期记忆网络的神经网络应用到用户语句,充分提取语句上下文的语义特征信息,提高了语句答案的正确匹配率;5、研究序列到序列模型的理论,针对本文采用的语料数据,修改优化Seq2Seq模型的编码解码部分,模型的编码阶段采用双向长短期记忆网络提取更全面的语句信息编码,而在解码阶段使用双向长短期记忆网络,并且引用注意力机制,通过优化神经网络的层数,提高序列生成语句的有效性;6、设计用户交互界面,完成用户注册登录以及免登陆的设计,并设计切换模式功能,用户通过该功能可选择性查看系统检索匹配的回复或者系统生成模型智能生成的回复。