本文介绍了智能投顾问答系统的建设方案，包括基于知识库匹配和图谱搜索的问答方法，以及现行方案的实现过程。该系统通过意图识别、标签识别、条件体目标体识别构建查询表达式，利用计算引擎进行数据查询和指标计算。核心计算引擎结合java表达式和SQL，实现内存计算与数据库查询的平衡。同时，策略执行引擎用于策略回测和执行，确保优质投顾策略的提供。
一、常见问答系统方案
1.基于知识库匹配问答
基于知识库问答的核心在于需要大量运营人员持续运营知识库，每一个知识点都要有对应的大量的问法。通过将用户问题与知识库中的问法进行相似度计算或者用机器学习算法进行相似度匹配，找到其中相似度评分最高且超过设定阈值的问题，将对应知识点答案回复给用户。
这是一种比较靠谱比较常见的解决方案，在问答系统早期应该用的比较多，在处理业务信息问题上有着比较好的效果，因为业务信息问题大多比较常见且答案固定。它的问题在于需要大量的人员长期维护，且对于一些实时的金融行情数据、指标计算等难以进行罗列维护。
2.基于图谱搜索问答
基于图谱搜索的核心在于对用户问句进行深度句法解析，并将解析结果组成可执行的查询语句，直接从图数据库中查询答案。
它的优势很明显，它的可解释行更强，可以直接生成查询语句，进行数据库查询，降低运维成本。但是对于实时变动的，实时计算的数据是难以处理和查询的，而且在子图过大也会显著降低查询效率。
二、现行方案
吸取了知识库和知识图谱方案的优点，结合金融行业实时行情，实时指标计算等实际特点，构建了结合内存表达式计算和数据库查询的选股计算引擎、图谱引擎和语义引擎的智能投顾系统。
问答流程
（1）意图识别
对于用户投顾咨询的问题，首先进行意图识别，识别用户意图是查询型、比较型还是直接的选股策略等，不同的意图对应不同的意图槽，也就是所需要进行抽取识别的问句查询要素。
与典型的自然语言处理分类任
最低0.47元/天 解锁文章
95
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
