除了深度学习以外，还有什么方法可以使问答机器人更好地表现？

我正在开发一个问答机器人作为我的毕业设计。
主要概念是拥有一个包含许多句子的文本文件，并构建一个问答机器人，该机器人根据手中的文本文件回答用户的问题。
到目前为止，我使用了 TF-IDF 和余弦相似度，结果有些令人满意。
主要问题是，如果用户要问的是文本文件中没有单词的问题，我的机器人就无法推断出要带回来的内容作为答案。
例如：如果我的文本文件中有一个句子，说“我的心律低，我会头疼”，那么用户是否要问“你为什么会头疼？”我的机器人选择了正确的句子，但是他是否问“您怎么了？”我的机器人不知道该怎么办。
到目前为止，我在网上看到的都是深度学习方法和神经网络，例如 LSTM 等。
我想知道是否有纯NLP 方法可以满足我的要求。
非常感谢

我有这样的项目。我使用rasa.com作为解决方案。特殊的NLU操作可用。您可以通过一种简单的方法，制作一个可对话的机器人。