快手男女对话的感情段子

即使全世界都背叛你，我也会站在你身边背叛全世界。爱情的世界赋予了你力量，尝试人间禁果。接下来就是学习啦小编为你精心准备的《快手情感对话段子》，欢迎观看!

　　快手情感对话段子(热门篇)

　　1你可能理解不了，能在你面前站上一会儿，近近的看看你的眼都让我感到那么的快乐。只要有心的牵挂，爱的思念和见面的亲昵我已感到很满足了!

　　2恋爱是道菜：将情感放入缘份锅，淋上快乐油、撒把开心糖、倒瓶心酸醋、加入苦涩盐和五彩椒，燃烧岁月去煎熬，熬出百般滋味时，这道菜就能上碟了。

　　3我是玫瑰我将给你芬芳，我是太阳我将给你阳光;我是钻石我将给你永恒;我是你的爱我将给你我的全部!

　　4一句寒暖，一线相喧。一句叮咛，一笺相传。一份相思，一心相盼。一份爱意，一生相恋。

　　5我想你的时候，你也想我吗无论我们相距多远，无论前面的路有多长，只想说：爱上你是我今生最大的幸福。

　　6你，注定是我今生倾心驻足的风景，一世不舍的眷恋。为了你，我愿划破手指，滴血成圈，圈住你的款款深情，纵然玫瑰零落成泥碾作尘，我也甘愿守候着这一世的心疼。

　　7爱你在心里，口要说出来，4个方式告诉你我心的表白。一个字：爱!两个字：爱你!三个字：我爱你!四个字：真的爱你!有幸遇见你，不能没有你。再也不分离，永远都爱你!

　　8我已燃起爱的火焰，为何你依然冷漠如冰，当我奉献关怀与激情，为何总瞬间被你湮灭，是我付出的不够，还是你不愿为何始终要处在冰与火的两重天

　　9雨滴散落我心底，天空弥漫我悔意，晚风吹乱我思绪，托短信送上对不起，真得不该对你发脾气，我的最爱只有你。

　　10爱是三国，总有纷争;爱是西游，历经磨砺，方得真经;爱是红楼，琢磨不透;爱是水浒，曾经轰烈，终归平静;爱是未知数，坚守得到真情。祝你爱情幸福!

　　快手情感对话段子(经典篇)

　　1我愿做你的小尾巴，你走到哪我就随到哪，与你共赏长河落日，与你漫步江南烟雨，一生一世，我都要跟着你，跟你走遍天涯。

　　2我想做女强人、男人的娇妻、别人的良友!但我也是个小女人，爱懒惰，爱打扮，也爱在爱人身边撒娇。亲爱的，来追我吧!

　　3用春天的风折一只风车，在温暖里旋转，用春天的雨撑一把小伞，在浪漫里滋养，用春天的眼照一张相片，在你的世界里盘旋，人间四月，花都开好，爱你，继续。

　　4世界上没有谁选择谁，只有谁遇到谁，所以我不选ABCD，只看着时间刚刚好的时候，出现在你面前，然后，牵着手，去哪里那里，然后，就是一辈子。

　　5你想的是什么，要的是什么，我从来不知道;你想的是什么，要的是什么，你从不对我说。其实我真的好想明白，在你冷漠的眼中是否有我

　　6与你共享，我懂得了快乐;与你分担，我明白了温暖;与你谈心，我懂得了温情;与你相守，我理解了幸福。亲爱的!我还想与你一起，鉴证一生的含义。

　　7情话再长，也诉说不尽我的情肠，秋风再凉，也冷却不了我的疯狂，工作再忙，也延误不了我的念想，短信一行，表白我的情肠，你可愿与我地久天长

　　8爱是巧遇，也是默契;爱是神秘，也是坦白;爱是热情，也是忠诚;爱是沸腾，也是平静;爱是过去，也是永远;爱是爱情，更是亲情;爱与被爱，伴你前行!

　　9我想嫁你，是想与你一起面对现在的困境;我想嫁你，是想做你坚强的后盾。我想嫁你，是因为我爱你。

　　10爱你是一杯水，平凡中见真滋味;爱你是一杯茶，有沁人心脾的芳香;爱你是一杯咖啡，香浓味留转唇齿间;爱你是一杯酒，浓烈的滋味留在心头!

　　快手情感对话段子(精选篇)

　　1我这个人啊，一向视金钱如粪土，嫁给我后，你生活上也不会有后顾之忧——我承包了城里十三座公共厕所，保证咱不愁吃不愁喝。

　　2爱上你是一个小小意外，不论是在现实中，还是在虚拟中，我都要与你自由地呼吸网络时代的浪漫空气。

　　3如果生命是一场旅行，我庆幸和你一路同行。我们高唱着爱的颂歌，步入这场浪漫之旅。沿途品味着愉快与悲伤，最后到达幸福的终点。和你在一起，真好!

　　4我只想告诉你，我有心中最美的戒指，那是你给的，它不名贵也不特别，但在我心里它却是我最想要的。你是我一生的宝贝，什么我都愿和你一起分享!

　　5爱情，本该甘于平淡，却又不平淡;本该甘于平凡，却又不平凡。不再去想从前，不再执念曾经。

　　6你是月球，我是地球，坚定不移牵你走;我用手机发告白，送去爱的请求，请允许我生生世世深情望着你，手拉着手到处走走。

　　7世界有多远，我就陪你走多远，时间有多久，我就爱你有多久，就算世界末日来临我也不回头，让爱永久停留，驻足你的心头，占据你的左右，为你守候。

　　8爱上了你，我才领略思念的滋味、分离的愁苦和妒忌的煎熬，还有那无休止的占有欲。为什么你的一举一动都让我心潮起伏为什么我总害怕时光飞逝而无法与你终生厮守

　　9只是等待一次爱情，也许永远都没有人。可是，这种等待，就是爱情本身。

　　10只有最聪明的女人才知道，体谅和理解永远比最动人的容貌还能令男人动心。

首页1/2下一页

　　GPT是一种自然语言处理技术，它使用深度学习算法来生成人类语言的连续文本。GPT是OpenAI公司推出的一个预训练语言模型，是目前最先进的自然语言处理技术之一。GPT通过学习大量的自然语言语料库，能够理解人类语言的语法和语义，进而生成连贯、流畅的文本。

　　GPT的应用非常广泛，包括文本自动生成、机器翻译、对话系统、情感分析等。在文本自动生成领域，GPT可以自动生成文章、新闻、小说等等。在机器翻译领域，GPT可以翻译多种语言，包括英语、中文、日语等。在对话系统领域，GPT可以模拟人类对话，回答用户的问题，提供帮助。在情感分析领域，GPT可以分析文本的情感倾向，帮助企业了解用户的态度和情感。

　　总之，GPT是一种非常强大的自然语言处理技术，它可以为各种应用场景提供支持，并且随着技术的不断发展，GPT的应用范围将会越来越广泛，为人类带来更多的便利和创新。

源文地址： https://zhuanlanzhihucom/p/50095779

对话系列的系列文章，我都是学习上面链接大佬的文章，准备将整个对话系统脉络先走通，一边学习一边加以记录，使得自己学习效果更加深刻一点。想看的人还是建议去看大佬源文。

自然语言理解(NLU)就是要获得一个计算机能 直接使用的语义表示 。比如分布式语义表示(Distributional semantics)、框架语义表示(Frame semantics)、模型语义表示(Model-theoretic semantics)等，本文采用的是frame semantics。NLU在很多NLP领域或任务都有涉及，比如问答、信息检索、阅读理解、对话系统以及很多需要NLG的任务等。不同任务下的NLU也不一样，今天我们简单来聊聊对话系统中的NLU。对话系统的自然语言理解(NLU) 部分我们称之为SLU。

因为SLU内容较多，所以打算分3次写。第1次写领域分类和意图识别，第2次写槽填充，第三次写Structural LU、Contextual LU、各种NLU方法的对比以及评测标准。

对话系统按照功能划分为：闲聊型、任务型、知识问答型和推荐型。在不同类型的聊天系统中，NLU也不尽相同。

闲聊型对话中的NLU就是根据上下文进行意图识别、情感分析等， 并作为对话管理（DM）的输入；

任务型对话中的NLU就是领域分类和意图识别、槽填充。他的输入是用户的输入Utterance，输出是Un =（In, Zn), In是intention，Zn是槽植对。

知识问答型对话中的NLU主要是根据用户的问题，进行问句类型识别与问题分类，以便于更精准的进行信息检索或文本匹配来生成用户需要的知识（知识、实体、片段等）。

推荐型对话系统中的NLU就是根据用户各种行为数据和爱好进行兴趣匹配，以便于找到更精准的推荐候选集。

先来看看我汇总的任务型对话系统中的NLU之Domain/Intent Classification

下面分别介绍下对话系统中不同Domain/Intent Classification技术。

这个就是用传统的SVM或MaxEnt，模型方面就是传统的MaxEnt或SVM(几个不同变种、几种不同核函数等)，特征主要就是用户的输入Utterance的句法、词法、词性等特征，分类的label集合是事先确定的，这方面paper也不少，不过比较久远了。相信大家都懂，不再赘述。

这种方法基于Deep belief network，它是一种生成模型，由多个限制玻尔兹曼机（Restricted Boltzmann Machines）层组成，被“限制”为可视层和隐层，层间有连接，但层内的单元间不存在连接。隐层单元被训练去捕捉在可视层表现出来的高阶数据的相关性。

具体到这篇论文，主要思路：无监督训练权重，然后用BP做Fine-tuning。另外，还对比了与SVM、最大熵、boosting的效果。

这是一种基于Deep convex network(一种可扩展的模式分类体系结构)做NLU，具体可以参考Li Deng大牛在2011的Interspeech的paper。

这个工作的主要思路：用n-grams对用户的Utterance做特征选择，然后把简单的分类器做 Stacking ，Stacking跟Bagging与Boosting一样，也是一种ensemble的方法。 Stacking 指训练一个模型用于组合其他各个模型， 在这里相当于二次分类 。首先训练多个不同的模型，然后把训练的各个模型的输出作为输入来训练一个模型以得到最终输出。

另外，基于DCN的方法还被扩展到kernel-DCN( Deng et al, 2012 )

这种方法使用了RNN和LSTM，模型方面不用赘述了吧，都烂大街了。最终结论是，输入完所有词再进行意图分类效果更好。

这个方法是用RNN+CNN做对话的act分类，提出了基于RNN和CNN并融合preceding short texts的模型。短文本如果出现在一个序列中，使用preceding short texts可能提高分类效果，这就是本文的最大的动机和创新点，事实证明也确实达到了SOTA的效果。

本文的两部分：使用RNN/CNN把短文本变成向量表示，基于文本的向量表示和preceding short texts做act分类。

另外，还有rule-based的方法做Domain/Intent Classification，比如CFG、JSGF，感兴趣的可以看看。基于RNN的细分的话，还有RCNN(Lai et al, 2015)和C-LSTM(Zhou et al, 2015)两种方法。

以上是我关于对话NLU中Domain/Intent Classification的一些总结。下面贴出了一些代表性的paper，大家可以深入学习。另外，如果看完论文还是不太懂的欢迎微信找我讨论。

Deep belief nets for natural language call-routing, Sarikaya et al, 2011

Towards deeper understanding: Deep convex networks for semantic utterance classification, Tur et al, 2012

Use of kernel deep convex networks and end-to-end learning for spoken language understanding, Deng et al, 2012

Recurrent Neural Network and LSTM Models for Lexical Utterance Classification, Ravuri et al, 2015

Sequential Short-Text Classification with Recurrent and Convolutional Neural Networks, Lee et al, NAACL 2016

爱：我对你的执着从未有过丝毫偏差，哪怕你时不时的冷漠我也不会因此动摇自己的内心情感，只要能给，我一定不做丝毫保留的贡献，爱、只为你我。

不爱：你的一行一句皆在我的眼里，可再也无法走进我的内心，对着你我感觉自己再也记不起哪天的笑容，你的好让我更加内疚，心已寒霜，动不得更燃不起，倘若能放，我必定不会在做你的包袱，放、为你为我。

温青与姬霜的对话选择： 要是跟弟弟永不离开古松居该有多好… 温思干…他是值得托付的男人吗…也许…… 男人全都是不懂女人的笨东西！ 此处的选择并不影响大感情剧情，所以可以随心选择。

深夜，新野官府中只剩下姬轩和貂禅，貂禅埋怨姬轩为何不在庆功宴上请求刘备赐婚与貂芷。此时出现选择：

1芸真妹子的确是好姑娘。

2夫人美意我心领了……

选择回答1，姬轩与貂芷的感情值将加7。选择回答2将没有变化。

突然貂芷听到对话却耍起了**脾气。姬轩来到官府东房间，糜香在为受伤的士兵伤心，姬轩上前相劝，突然糜香靠到姬轩身上，这个时候出现选择：

1香儿自幼孤苦无依，我该听他倾诉……

2我们还是主仆关系……这……

选择回答问题1，姬轩与糜香的感情值将加5。选择回答2感情值将没有变化。

但是不管选择如何回答，姬霜会突然出现，但是姬轩追到门外却不见人，貂芷含泪明白姬轩的心中只有姬霜和糜香。

温青表示出对姬霜的爱意，出现选择：

1不需要你多嘴！

2知道你很关心我……

选择回答1，姬霜与姬轩的感情值加5，温青与姬霜的感情值减5。

选择回答2，温青与姬霜的感情值加5，姬轩与姬霜的感情值减5。

回到夏口的姬轩众人，在与温青谈论姬霜的时候出现选择：

1我……我不是……对不起

2你不该……对羽凤无礼

选择1与貂芷好感度上升。选择2与姬霜好感度上升。

百玥受到重伤，此时出现选择：

1百玥…你受伤了………

2百玥…你不该………

选择回答1，姬轩与百玥好感度上升。选择回答2则不变。

姬轩哭着问了姬霜一个问题：

1羽凤你快告诉我，这只是一场误会！

2你……你无话可说？！！

选择问题1，姬轩与姬霜的感情不变或提高。选择问题2，两人感情将严重下降。

在进入江东阵营的树林前遇到一只叫做大斑斑的老虎，原来它被猎人打伤，这个时候出现选择是否帮助它：

1那就给它治疗伤口吧。

2百玥，我们还是赶路要紧…

选择回答1，会随机消失一个珍贵药材，但是姬轩与百玥的好感度会上升，同时在后来的剧情中可以直接得到分水珠。选择回答2，姬轩与百玥的好感度会下降。

愤怒的姬霜开始攻击众人，战斗前将会出现选择：

姬轩怒：1你……你明知道我不可能杀你！

2你……简直不可理喻！

选择回答1，姬轩与姬霜感情值＋5。选择回答2，感情值不变。

姬轩醒来后发现自己在古松林，首先要找到其它人。在瀑布旁找到貂芷出现选择：

1我会在你身旁陪着你的……

2也许你会觉得好过一些……

选择回答1，姬轩与貂芷感情值上升。选择回答2，两人感情不变。

古松居内找到虞冰，出现对话选择：

1慕盈，打起精神来，

2不管如何，我们还是先去找大哥他们吧！

选择回答1，姬轩与虞冰感情值上升。选择回答2，两人感情不变。

进入后就可以找到夜魔，战斗胜利后要回答她的问题：

1姑娘绝世容貌，只要是男人都会心动……

2国难当前，伯雅恐怕无福消受……

选择回答1，全部的女主角的感情都扣5分。选择回答2，感情值不变。

在后面的云仙之地大家有看到了温青，战斗失败后的温青附身在虞冰身上，此时出现选择：

1君皓，是你救了我吗？

2没事……

选择1将增加虞冰与燕起的好感度。选择2不变。

人机对话，是人工智能领域的一个子方向，通俗的讲就是让人可以通过人类的语言即自然语言与计算机进行交互。很多同学不清楚聊天、问答和任务驱动型对话有什么区别，相信读完这篇文章后会明白一些。

人机对话系统可以分为四个子问题：闲聊、任务驱动的多轮对话、问答和推荐。闲聊分别与问答和任务导向型对话都有交叉，所以实际应用基本上都包含多个子任务。其中，闲聊、问答和任务驱动的多轮对话都是用户先挑起话题，对话系统被动的进行响应。而推荐是对话系统主动向用户推送一些用户感兴趣的信息或服务。

在用户的话语并无明确的信息或服务获取需求的情况下，系统需要做出回应。闲聊在现有的人机对话系统中，主要起到拉近距离，建立信任关系，情感陪伴，顺滑对话过程的作用。

用户具有明确的目的，希望得到满足特定限制条件的信息或服务，例如：订餐，订票，寻找音乐、**或某种商品等等。因为用户的需求可以比较复杂，可能需要分多轮进行陈述，用户也可能在对话过程中不断修改或完善自己的需求。此外，当用户的陈述的需求不够具体或明确的时候，机器也可以通过询问、澄清或确认来帮助用户找到满意的结果。

不同于信息检索根据用户的问题给出一个相关链接，问答系统直接给出精准的答案。问答系统和任务驱动的多轮对话最根本的区别在于系统是否需要维护一个用户目标状态的表示和是否需要一个决策过程来完成任务。目前，解决问答的方法可以划分为三种，基于信息检索的问答、基于知识图谱的问答和基于阅读理解的问答。

推荐系统根据历史聊天记录或者用户画像为用户主动推荐用户感兴趣的信息或者服务。

商业应用的人机对话系统根据应用的场景不同既可以是同时综合问答、闲聊、任务导向的多轮对话和推荐全部或部分任务的复杂系统，也可以是单纯解决其中一类问题的系统。例如大家熟知的苹果Siri、微软Cortana、百度度秘等语音助手类产品就是集合上述四类问题综合系统，但是主要研究发展任务导向型对话，其中Siri和Cortana的聊天功能并不能算开放域，而是人工为高频的问题编辑了对应的回答，当用户的聊天不在预先配置的范围内时，系统则回复“我听不懂”之类的固定答案。而度秘的开放域聊天则是应用了更先进的基于海量数据的检索式聊天技术。目前的智能客服类系统则多以解决问答和推荐类问题为主；微软小冰主要发展EQ，研究开放域聊天；而许多订票，订酒店类的对话系统则是任务驱动的多轮对话的典型应用。

[1] Li, F L, Qiu, M, Chen, H, Wang, X, Gao, X, & Huang, J, et al (2018) Alime assist: an intelligent assistant for creating an innovative e-commerce experience

[2] Chen, H, Liu, X, Yin, D, & Tang, J (2017) A survey on dialogue systems: recent advances and new frontiers Acm Sigkdd Explorations Newsletter, 19(2)

[3] https://wwwleiphonecom/news/201704/8ofqhd0UEJVjgWHvhtml

[4] https://wwwleiphonecom/news/201707/tNC1efxsThNirUvxhtml

[5] https://wwwxenonstackcom/blog/data-science/ai-nlp-big-deep-learning/

[6] https://wwwjiqizhixincom/articles/2018-10-22-14

[7] 第一张引自知乎用户悟忌（找不到链接了）

注：本文旨在分享交流，如有错误之处，请批评指正。后期将不断更新~