基于文本分类技术的中文纯文本聊天记录敏感词汇隐晦语义表达检测技术研究

针对中文纯文本聊天记录中可能存在的敏感词汇隐晦语义表达信息,本文提出的BERT-TextCNN-TextRNN模型充分地结合了BERT预训练模型、TextCNN模型与TextRNN模型三者的优势。BERT-TextCNN-TextRNN模型既可以很好地提取中文纯文本聊天记录中词汇与词汇之间的短距离局部关系特征,同时又能够很好地获取聊天记录文段中句子与句子之间的长距离全局关系特征与依赖信息,使得模型对中文纯文本聊天记录中可能存在的敏感词汇隐晦语义表达特征信息了解得更为充分而完善。

一种对聊天文本进行特征选取的方法研究

由于网络聊天文本具有结构松散、简短、上下文相关等特点,对其进行特征选取时使用传统的TFIDF(Term Frequency Inverse Document Frequency)算法存在较大缺陷。针对这个问题,本文提出了一种通过聊天主题来确定聊天文本的特征选取范围的方法,并通过实验验证了该方法的有效性。

聊天机器人中用户就医意图识别方法

传统的聊天机器人中用户意图识别一般采用基于模板匹配或人工特征集合等方法,针对其费时费力而且扩展性不强的问题,并结合医疗领域聊天文本的特点,提出了基于短文本主题模型(BTM)和双向门控循环单元(Bi GRU)的意图识别模型。该混合模型将用户就医意图识别看作分类问题,使用主题特征,首先通过BTM对用户聊天文本逐句进行主题挖掘并量化,然后送入Bi GRU进行完整上下文学习得到连续语句最终表示,最后通过分类完成用户就医意图识别。对爬取的语料进行实验,BTM-Bi GRU方法明显优于传统的支持向量机(SVM)等方法,其F值更是高出目前较好的卷积长短期记忆组合神经网络(CNN-LSTM)近1.5个百分点。实验结果表明,在本任务上该混合模型重点考虑研究对象的特点,能有效提高意图识别的准确率。

用UC实现白板交互功能

“白板”功能类似于在网络上挂了一块白色的“黑板”。多个用户可同时在上面用“粉笔”写字涂鸦．用微软的Netrneeting可以很好地实现白板功能，但配置起来较麻烦。现在我们看如何用朗玛UC来简单实现这一功能。使用UC 3．80以上的版本，在你需要共享白板的好友图标上点击左键并选择“文本聊天”，将打开“涂鸦画笔”的界面（如果你默认使用“简单模式”则需切换到“场景模式”。