深度学习—自然语言处理—智能问答机器人

当前整体方案总述

智能问答系统大体上可以分两类，比对问题类和生成答案类。
比对问题类就是拿着问题去与数据库中存储的所有问题进行对比，找到相似度最高的一个问题，然后将这个问题已存储的对应答案返回。这种方法简单，准确性也还可以。
生成答案类是利用LSTM网络，通过问题和答案进行训练一个模型，当输入新的问题时通过模型输出答案。这种方法难度比较大，往往生成的答案不通顺，不像人说的话，需要后续处理。
个人感觉现在市场上的大多数还是用对比问题的方法进行开发。

下边介绍一个具体项目的开发过程：

     这是一个平安保险的智能客服系统
     主要分为预处理，检索、知识图谱、结果归并和文句澄清五个环节。
     (https://img-blog.csdnimg.cn/20190614105007205.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Zhbmd4aWFuYW52aGFp,size_16,color_FFFFFF,t_70)

1. 预处理阶段要做分词、词性标注、实体识别、纠错、多意图、长难句压缩、指代消解、问句改写和情感分析。
2. 检索是将处理后的问题与库内问题进行比，搜索引擎可以用ES，语义匹配用孪生网络和交互矩阵
3. 知识图谱解决词语间从属关系
4. 结果归并是将结果进行排序
   最后评价标准是看有效问题数量、top1准确率、top3准确率、有效问题响应准确率和知识覆盖率。

关于nlp技术问题欢迎交流！ 微信13522009762