1、智能問題算法原理

任務(wù)機器人

知識圖譜機器人

FAQ機器人

閑聊機器人

閱讀理解機器人

1.1 FAQ 機器人

query -> 糾錯->標準化->文本特征提取->query改寫[同義詞] ->BM25 算法 -> 計算語句和候選句的相似度s(q,q') , 并排序

拒識 =即能夠知道自己不能回答用戶的哪些問 題以及何時應(yīng)該轉(zhuǎn)向人工客服.

知識圖譜相似度=基于特定知識的語義相似度量，它依賴于分類中的結(jié)構(gòu)化知識:

例如： 深度、路徑長度 ) 和統(tǒng)計信息內(nèi)容( 語料庫與語義圖譜) 。

冷啟動解決方案

字面匹配 文本相似度(jaccard, cosine)+ xgboost

xgboost 非線性建模，他將K(樹的個數(shù))個樹的結(jié)果進行求和，作為最終的預(yù)測值

詞向量 word2vec,glove =Global Vectors for Word Representation

句向量 WMD[無監(jiān)督] ,SIF

SIF

1、以smooth inverse frequency(簡稱SIF)為權(quán)重，對所有詞的word vector加權(quán)平均

例如權(quán)重=a/(a + p(w))，最后從中減掉重要關(guān)鍵詞，得到sentence embedding。

2、對一些不重要的詞語的權(quán)重下降，例如but、just等

結(jié)論 雖然句子中無加權(quán)的平均詞嵌入是簡單的基準做法，但是Smooth Inverse Frequency是更強有力的選擇

排序訓(xùn)練模型

排序階段也可以利用排序訓(xùn)練模型，得到知識庫內(nèi)的相似問，構(gòu)造句對訓(xùn)練數(shù)據(jù)，訓(xùn)練有監(jiān)督的模型

判斷(query, question)的分數(shù)，選擇分數(shù)最高的問題對應(yīng)的知識點作為機器人回復(fù)

深度匹配模型DSSM

通過搜索引擎里 Query 和 Title 的海量的點擊曝光日志，用 DNN 把 Query 和 Title 表達為低緯語義向量，并通過 cosine 距離來計算兩個語義向量的距離，最終訓(xùn)練出語義相似度模型。該模型既可以用來預(yù)測兩個句子的語義相似度，又可以獲得某句子的低緯語義向量表達。

https://www.jianshu.com/p/8f19d915b3f8

遷移學習

聯(lián)合學習

-文本分類：同時進行語句匹配和分類

-文本生成：匹配和seq2seq訓(xùn)練

多語料遷移：

-fine-tune

-adversarial loss

預(yù)訓(xùn)練模型

-ELMO , BERT

多輪對話架構(gòu)

對話管理

query->nlu-DST-DPL -NLG ->response

NLU : 意圖識別(規(guī)則或分類)槽位提取(NER)

DST-會話狀態(tài)管理(DQN)

DPL- 會話策略學習，選擇下一步

NLG- 根據(jù)action 返回回復(fù)文本

預(yù)判 客服機器人多輪對話的意圖預(yù)判功能通常依賴于訪客的接入渠道、著陸頁、訪問軌跡等數(shù)據(jù)，機器人可以通過這些數(shù)據(jù)來預(yù)測客戶想要咨詢的問題

https://blog.csdn.net/stay_foolish12/article/details/90265394

任務(wù)型機器人

https://www.cnblogs.com/qcloud1001/p/9181900.html

任務(wù)型機器人指特定條件下提供信息或服務(wù)的機器人。通常情況下是為了滿足帶有明確目的的用戶，例如查流量，查話費，訂餐，訂票，咨詢等任務(wù)型場景

理解了用戶意圖之后，通過引導(dǎo)用戶完善任務(wù)要求，完成任務(wù)。

知識圖譜機器人

處理流程：場景選擇，實體抽取，關(guān)系預(yù)測

問答式

image.png

引導(dǎo)式

根據(jù)知識逐步遞進，一步步進行約束定義

image.png

閱讀理解機器人

從文章中抽取答案，閱讀理解建模。

image.png

閑聊機器人

seq2seq， 上下文建模

image.png

電話機器人

ASR, NLP, TTS,MRCP

智能電話管理

人群管理，話術(shù)管理，電話任務(wù)管理，知識庫管理，算法模型管理

外呼統(tǒng)計

任務(wù)監(jiān)控，通話監(jiān)控，意向度篩選，通話詳情，統(tǒng)計分析

image.png

智能應(yīng)答

image.png

智能問答系統(tǒng)體系結(jié)構(gòu)

功能組件：語義解析，語義匹配，會話意圖識別，答案生成，情感分析

深度遷移學習，知識圖譜引擎

問答標注平臺，模型訓(xùn)練平臺，分布式爬蟲，hadoop 集群

image.png

知識庫管理界面

問答管理，相似問題，智能學習

image.png

訪客界面

回答，引導(dǎo)轉(zhuǎn)人工

image.png

客服界面

image.png

挑戰(zhàn)

1- 單輪: 深度語義匹配 遷移學習 知識圖譜

2- 多輪 對話管理-槽位提取-端到端學習-強化學習

3- 閱讀理解機器人-開放域閑聊機器人

image.png

總結(jié)

以上是生活随笔為你收集整理的用html怎么写智能问答页面,智能问答算法原理及实践之路笔记的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。