發(fā)布時間：2020-10-26 17:57

　　 隨著傳統(tǒng)搜索引擎的弊端不斷顯露,問答系統(tǒng)的發(fā)展越來越受到人們的重視,發(fā)展迅速。目前,作為問答系統(tǒng)的一種,智能客服系統(tǒng)也發(fā)展迅速、應(yīng)用廣泛。在電商、金融、醫(yī)療和家電等諸多領(lǐng)域,智能客服機(jī)器人基本代替人工客服,實時高效地為用戶服務(wù),成果斐然。生活在法制的社會,大眾和法院有著緊密的聯(lián)系,法院客服扮演著十分重要的角色。人工客服已無法滿足大眾的需求,急需用智能客服的方式來替代。在法院智能客服系統(tǒng)中,問句匹配的精度直接影響系統(tǒng)的準(zhǔn)確性。高精度的問句匹配需要用深度學(xué)習(xí)技術(shù)學(xué)習(xí)大量的語料庫,語料庫不足時,很難實現(xiàn)高精度的問句匹配。為保證系統(tǒng)的準(zhǔn)確性,問題理解技術(shù)必須成為強(qiáng)力支柱。識別問句中包含的用戶意圖,按意圖去知識庫中檢索、匹配最相似的問句是本文的核心思想。用戶意圖識別包含兩部分:一是識別用戶問句類型,二是識別問句中具體意圖。當(dāng)問句集的范圍比較集中,問句之間有著較高的詞語重復(fù)度,大大地增加了問句相似度的計算難度。為解決這個問題,本文提出先識別出問句類型,然后只在同類型的問句間計算相似度,以此來減小衡量問句相似度的難度。本文提出基于多特征融合挖掘的問句類型分類模型,使用詞向量、詞性等特征,用帶有注意力機(jī)制的雙向長短時記憶網(wǎng)絡(luò)進(jìn)行分類學(xué)習(xí)。利用人工整理的法院客服的數(shù)據(jù)進(jìn)行測試,實驗結(jié)果表明分類算法較其它算法有不錯的提升,同時也明顯提升了問答系統(tǒng)的準(zhǔn)確性。對意圖不同的問句來說,計算其相似度沒有意義,直接判定為不相識。因此,識別出用戶問句的具體意圖會進(jìn)一步降低問句相似度的計算難度。本文采用多標(biāo)簽分類的方法來識別問句中的多種意圖,提出了基于共現(xiàn)矩陣的多標(biāo)簽分類模型,充分了利用類別之間的關(guān)系,實驗結(jié)果表明該算法較其它算法有提高,同樣提升了問答系統(tǒng)的準(zhǔn)確性。論文最后完成了基于意圖識別的法院客服問答系統(tǒng)的設(shè)計與實現(xiàn)。構(gòu)建出一套完整的客服問答系統(tǒng),可以準(zhǔn)確地回答用戶問題。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：D926.2;TP391.1;TP18
【部分圖文】：

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文無法全天 24 小時為用戶提供服務(wù)。這種現(xiàn)狀完全無法滿足人們的需求，制社會的發(fā)展。此外，客服人員身陷重復(fù)、枯燥、低端業(yè)務(wù)中，工作積，無法為法院帶來更多價值的客服服務(wù)。不論是從哪方面考慮，都迫切高效的解決方案，構(gòu)建法院智能客服系統(tǒng)十分迫切，具有重要意義。

術(shù)語言的載體，對社會的發(fā)展至關(guān)重要。理解文算機(jī)來說卻很難。計算機(jī)是不能直接理解符問題，首先要將文字?jǐn)?shù)字化。早在 1986 年，[19]，即給任意詞語指定一個固定長度的實數(shù)目前形成了以獨(dú)熱表示（One-hot Representatiresentation）為代表的表示方法。模型種傳統(tǒng)的離散表示方法。以詞語為原子單位維度是詞表的大小，只有一個維度的值為 1，“足球”在詞表中的位置索引是 14，“籃球””在詞表中的位置索引是 10，“足球”、“籃球 所示。

是機(jī)器學(xué)習(xí)中流行的分類算法。算是根據(jù)貝葉斯定理，通過若干先驗樸素貝葉斯公式(2-1)。雖然樸素貝表現(xiàn)不錯，比如情感分類、垃圾郵的概率乘積作為分類判別依據(jù)，導(dǎo) ( | ) = ( ) ( )= ( | ) ( ) ( )）是傳統(tǒng)機(jī)器學(xué)習(xí)算法中名列前茅問題，假定問題是線性可分的，S空間，使得兩類數(shù)據(jù)到分割平面的間的實線為最佳分割線，將兩類數(shù)可分時，SVM 采用核函數(shù)的方法，據(jù)。使得在高維空間中，數(shù)據(jù)變成
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任夢婷;王娟;阮佩姍;劉振盼;;影響高質(zhì)量網(wǎng)絡(luò)問答系統(tǒng)建設(shè)的因素[J];物流科技;2016年12期

2 武振國;李艷翠;;植物病蟲害智能問答系統(tǒng)設(shè)計與實現(xiàn)[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2017年01期

3 費(fèi)建軍;;智能問答系統(tǒng)中命名實體識別問題研究[J];數(shù)字技術(shù)與應(yīng)用;2017年07期

4 何秀;;智能問答系統(tǒng)的研究與設(shè)計[J];南方農(nóng)機(jī);2017年20期

5 張中峰;李秋丹;;社區(qū)問答系統(tǒng)研究綜述[J];計算機(jī)科學(xué);2010年11期

6 劉文華;康海燕;;領(lǐng)域問答系統(tǒng)生成器的研究[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2009年03期

7 張積賓;徐志明;王恒;潘啟樹;;面向大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)的社會化問答系統(tǒng)[J];哈爾濱工業(yè)大學(xué)學(xué)報;2008年12期

8 徐雄;;基于深度學(xué)習(xí)的問答系統(tǒng)研究[J];湖北師范大學(xué)學(xué)報(自然科學(xué)版);2019年01期

9 吳靈慧;;問答系統(tǒng)研究綜述[J];科技傳播;2019年05期

10 趙昌志;王怡婷;張小琴;;基于深度學(xué)習(xí)的智能問答系統(tǒng)研究與設(shè)計[J];信息與電腦(理論版);2019年11期

相關(guān)博士學(xué)位論文 前10條

1 陳龍;面向商品評論的文本智能理解[D];西北大學(xué);2019年

2 張亮;面向開放域的中文問答系統(tǒng)問句處理相關(guān)技術(shù)研究[D];南京理工大學(xué);2006年

3 王樹西;基于文本模式推理的問答系統(tǒng)研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2005年

4 路遙;用戶交互式問答系統(tǒng)中問題推薦機(jī)制的研究[D];中國科學(xué)技術(shù)大學(xué);2012年

5 廉鑫;社區(qū)問答系統(tǒng)中若干關(guān)鍵問題研究[D];南開大學(xué);2014年

6 相洋;問答系統(tǒng)的答案優(yōu)化方法研究[D];哈爾濱工業(yè)大學(xué);2017年

7 魏楚元;開放域問答系統(tǒng)問題理解關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2016年

8 宋萬鵬;短文本相似度計算在用戶交互式問答系統(tǒng)中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2010年

9 劉朝濤;中文問答系統(tǒng)中的句型理論及其應(yīng)用研究[D];重慶大學(xué);2010年

10 邸書靈;Agent聯(lián)盟和流形學(xué)習(xí)在中文問答系統(tǒng)中的應(yīng)用研究[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 白錦錦;基于本體的領(lǐng)域問答系統(tǒng)研究[D];云南財經(jīng)大學(xué);2019年

2 鐘山;面向旅游領(lǐng)域問答系統(tǒng)的語義解析技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2019年

3 王學(xué)文;面向在線商城的客服問答系統(tǒng)的設(shè)計與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2019年

4 李威宇;問答系統(tǒng)中復(fù)合問句分解技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

5 林增爍;基于網(wǎng)絡(luò)信息的限定域問答系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2019年

6 麻俊滿;面向非結(jié)構(gòu)化文本的問答系統(tǒng)中答案抽取技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

7 王浩;基于意圖識別的法院客服問答系統(tǒng)研究與實現(xiàn)[D];哈爾濱工業(yè)大學(xué);2018年

8 胡松江;基于知識圖譜的問答系統(tǒng)問句理解方法研究[D];西華大學(xué);2019年

9 付聰;面向問答系統(tǒng)的相似問題識別研究[D];廣東工業(yè)大學(xué);2019年

10 曹彬;基于深度學(xué)習(xí)的智能中醫(yī)問答系統(tǒng)的設(shè)計[D];廣東工業(yè)大學(xué);2019年

本文編號：2857322