<kbd id='icy6pzue'></kbd><address id='icy6pzue'><style id='icy6pzue'></style></address><button id='icy6pzue'></button>

              <kbd id='ayyozi7s'></kbd><address id='ayyozi7s'><style id='ayyozi7s'></style></address><button id='ayyozi7s'></button>

                      <kbd id='8a2kt3xj'></kbd><address id='8a2kt3xj'><style id='8a2kt3xj'></style></address><button id='8a2kt3xj'></button>

                              <kbd id='kikuznuv'></kbd><address id='kikuznuv'><style id='kikuznuv'></style></address><button id='kikuznuv'></button>

                                      <kbd id='cpb3463r'></kbd><address id='cpb3463r'><style id='cpb3463r'></style></address><button id='cpb3463r'></button>

                                              <kbd id='iyarsv2i'></kbd><address id='iyarsv2i'><style id='iyarsv2i'></style></address><button id='iyarsv2i'></button>

                                                      <kbd id='wp7a8zyc'></kbd><address id='wp7a8zyc'><style id='wp7a8zyc'></style></address><button id='wp7a8zyc'></button>

                                                              <kbd id='y8adfcj7'></kbd><address id='y8adfcj7'><style id='y8adfcj7'></style></address><button id='y8adfcj7'></button>

                                                                      <kbd id='siyjilxz'></kbd><address id='siyjilxz'><style id='siyjilxz'></style></address><button id='siyjilxz'></button>

                                                                              <kbd id='zceqhmf5'></kbd><address id='zceqhmf5'><style id='zceqhmf5'></style></address><button id='zceqhmf5'></button>

                                                                                  威尼斯官网

                                                                                  问答系统设计的一些思考

                                                                                  日期: 2018-12-07 10:57:17 / 人气: 209

                                                                                  问答系统通常分为任务型机器人闲聊机器人解决型机器人(客服机器人)aaaa,三者的设计分别针对不同的应用场景aaaa。A):任务型机器人主要用于完成用户的某些特定任务aaaaa,比如:买机票、话费充值或者天气咨询aaaa。B):闲聊机器人主要用于深入的和用户进行无目的交流aaaa;C):解决型机器人(客服机器人)用于解决用户的问题aaaaa,比如:商品购买咨询、商品退货咨询等aaaaa。这里通过一些案例分析来介绍不同情况的算法选型:

                                                                                  任务型问题aaaaa,1):“成都今天天气怎么样”aaaa;2):“明天呢"aaaa;3):“后天呢”aaa。

                                                                                  Slot Filling

                                                                                  首先aaaa,“成都今天天气怎么样”属于天气类问题(其中包含实体“地点”、“时间”)aaa,已经能够完成应答aaaa;然后aaaaa,“明天呢”该句话仅包含实体信息(”时间“)aaaa,并未包含地点信息aaaaa,如果直接采用意图分类aaa,不能完成此次应答aaaaa;最后aaaa,”后天呢“同样是只包含实体信息(”时间“)aaa。针对此类的多轮对话场景aaa,可采用slot filling的方式进行应答(slot filling是多个槽值组成aaaaa,例如:天气场景需要实体槽值“地点”和“时间”)aaaaa。”明天呢“和”后天呢“只包含”时间“实体aaaaa,但是上文”成都今天天气怎么样“则包含了”地点“实体aaaaa,只需要将下文的实体(“时间”)替换上文的实体(“时间“)即可aaaaa。

                                                                                  解决型问题aaaa,1):”iphone X多少钱“aaa;2):”邮费是多少呢”aaaa;3):“可以无理由退货么aaa?”aaa。

                                                                                  特征拼接上下文模型

                                                                                  针对此处的多轮对话aaaa,涉及到商品的购买、售前运费和退换货政策三个意图aaaaa,并且后面的意图分析需要前文的会话意图aaaaa,就是一个典型的多轮对话过程aaaaa。首先aaaaa,“iphone X多少钱”可以通过单句的意图分类即可完成应答aaaaa;而“运费是多少呢”则需要判断用户咨询的属于售前运费还是售后运费aaaaa,此时可通过结合上文问题的方式进行意图分析(1:抽取上文的意图特征加入当前问题可解决部分上下文场景问题aaa;2:结合上文和当前问题采用深度学习的算法进行上下文的意图分析)aaaa。最后aaa,“可以无理由退货么”需要知道商品的信息才可以回答用户的问题aaaa,因此需要上文商品“iphone X”(可以将对话中实体、商品信息保存用于下文应答)aaaa。

                                                                                  解决型问题aaaa,1):”https://item.jd.com/6577511.html?jd_pop=67fb9e1c-df43-4cf9-9509-37998e9c983a&abt=0“aaa;2):”多少“aaaa;3):”钱aaaa?“

                                                                                  层级上下文模型(H-CNN-GRU)

                                                                                  此时多轮对话过程中aaaa,涉及到用户输入过程中单句输入不完整aaa。slot filling和简单抽取上文特征的方式并不适合aaa,而组合多句输入则可以完成此处的应答(具体方式见此处)aaa。

                                                                                  闲聊型问题

                                                                                  聊天记录

                                                                                  针对闲聊型问题aaa,由于用户并无明确的意图aaaa,因此不适合做意图分类aaaaa,这里我们可以采用生成式模型aaaaa,根据大量用户历史的闲聊语料生成相应的答案(生成式模型得到的答案可能存在语法、连贯性问题aaaa,但是闲聊场景的对话对语句语法和连贯性要求不高aaaa,相对随意)aaaa。

                                                                                  seq2seq模型

                                                                                  总结:我们在分析一个人的时候通常涉及IQ和EQ两个方面aaaa,IQ在于解决问题的能力aaa,而EQ在于解决问题的方式aaaaa。在实现一个机器人威尼斯官网时候aaaaa,我们也应该考虑IQ和EQ两个方面aaaa。这里只是针对问答系统中的一些特殊案例进行分析aaa,一个完整的问答系统仍需要大量其他方面的工作aaaa,比如:让威尼斯官网回答更加拟人化(用户情感分析)aaaa。


                                                                                  作者:lirainbow0
                                                                                  链接:www.jianshu.com/p/13f0f32a6dab
                                                                                  來源:简书
                                                                                   

                                                                                  现在致电 0755-88820392 OR 查看更多联系方式 →