###### tags: `外加系統`
# 系統
[TOC]
## 判斷流程
接收訊息 ->
NLP分析情緒 ->
標記情緒 ->
使用[深度強化學習](#深度強化學習)取得[Q表](#Q表) ->
選擇獎勵值最高的動作

## 各種動作
1. 針對情緒的直接反應
2. 音樂系統的各種指令
- 播放音樂
- 暫停音樂
- 跳過音樂
- 記錄個人歌單
3. google、youtube搜尋相關訊息
4. 閒聊(使用LSTM，或者是nlp)
etc.

## 訓練
要訓練網路，就要有大量的資料
而每筆資料都要有一個標籤(target)
那麼，問題來了

> 要怎麼將資料標上標籤呢?

答案很簡單，使用Q-learning來製造
而這就是後面提到[雙網路結構](#雙網路結構)的原因
總不能在標標籤時，Q還一直改變吧
這樣標出來的結果會很不穩定

## 深度強化學習
### 使用深度學習製造Q表
#### 神經網路
> 環境 -> 隱藏層 -> [Q表](#Q表)

#### 雙網路結構
> 在一段時間內，負責預測Q表的網路將不會改變。
每個一段時間，外在的Q表會更新為內在持續優化的Q表
用以提升穩定性
詳情，見[訓練](#訓練)

### Q表
在不同環境下，採取不同動作時，會得到的獎勵值