基于BERT算法的通信投诉智能处理探索

随着5G通信技术的普及与发展,运营商业务种类多样化、网络架构日趋复杂,另一方面,用户对通信网络质量要求也越来越高,传统依赖人工经验的处理方式已难以满足投诉处理要求。基于大数据,提出一种基于BERT算法的通信投诉智能处理方法,该方法应用BERT算法实现投诉关键信息提取和投诉智能分类,达到提升投诉分类准确率,实现投诉直达处理的效果,有效提升通信投诉处理效率。

基于Bert算法的问卷智能统计分析方案

针对开放式调查问卷回答统计分析需要耗费较多人力以及非常规回答被忽略的问题,提出了一种基于Bert算法的问卷智能统计分析方案。面向非结构化的回答数据,首先对自然语言处理Bert预训练模型进行微调,利用微调后的Bert模型将问卷回答进行文本向量化,转化为结构化数据,进而基于这些文本特征向量,采用球形K-means算法进行无监督聚类学习,得到文本分类结果,完成智能统计分析工作。基于浙江大学智云课堂用户使用体验的开放式调查问卷回答进行了应用验证,结果表明所提方案具有良好的统计分析效果,且算法执行效率高。

融合BERT、双向长短记忆网络和条件随机场的电力设备缺陷文本实体抽取

随着智能电网建设的全面展开,产生了大量与设备缺陷相关的电力设备缺陷文本,蕴含着故障类型、故障原因及设备消缺方法等关键信息,是电力领域的研究热点。但缺陷文本存在着体量大、多源异构和内容杂乱冗余的问题,目前缺乏对其进行高效整合利用的方法。针对以上问题,该文基于BERT(bidirectional encoder representation from transformers)模型对命名实体抽取技术展开研究。一方面,增加了双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)层进一步提取文本语义信息;另一方面,采用条件随机场(conditional random field,CRF)替换了BERT的输出层,克服了预测标签的局部最优问题。最后融合以上2种策略提出了改进BERT算法,即将BERT与双向长短记忆网络和条件随机场相结合,实现了缺陷文本的命名实体抽取。实验结果表明,改进BERT算法在7类实体上均取得了较高的F1值(精确率和召回率的加权调和平均值)。与BERT相比,实体抽取的总体精确率和召回率分别提升了0.94%和0.95%。

一种基于BERT-Stacking的钓鱼网站检测方法

目的:设计一种新型的钓鱼网站检测技术,以提高检测的精确率。方法:提出了一种利用BERT(Bidirectional Encoder Representations from Transformers)提取HTML字符串嵌入特征的方法,将HTML文档转化为词嵌入向量。同时提出一种结合四种分类器的Stacking集成学习模型,使用HTML字符串嵌入特征以及筛选出的URL特征进行钓鱼网站检测。结果:在10万级数据集上精确率达到98.52%,F_(1)值达到98.81%。且相较只使用URL特征,引入上述HTML字符串嵌入特征后,检测钓鱼网站的精确率提升了近两个百分点。结论:本文所提出的基于BERT提取的HTML字符串嵌入特征对于检测钓鱼网站具有显著提升。

人工智能在司法量刑中的应用沿革与技术演进

近年来,人工智能在智慧司法领域的应用方兴未艾。智慧量刑是人工智能为智慧司法赋能的重要环节。国内外实践案例从应用场景、算法设计上有所突破,但仍存在重点难攻克、算法不明确、效果不明晰的困境。本文聚焦智慧量刑问题,深入挖掘以随机森林算法、IP&MV算法、BERT算法为核心的解决方案,打通算法体系与法律体系的屏障。未来,智慧量刑系统将坚持司法审判的辅助性角色,实现人工智能在司法实践的全流程渗透,维护司法审判公平正义。

后疫情时代下短租民宿用户购买行为研究——基于BERT衡量的网络口碑

[目的/意义]挖掘疫情后网络口碑和用户购买行为影响因素,从而在后疫情时代更好地吸引用户,促进在线短租行业经济回暖甚至实现超越。[方法/过程]获取Airbnb上北京地区的公开数据,利用BERT算法构建在线短租网络口碑的衡量指标,基于ELM模型选取4个房源属性和6个房东属性构建在线短租用户购买行为影响因素模型并进行实证研究。[结果/结论]利用BERT模型计算的评论情感得分均值来衡量在线短租网络口碑,为确认其替代变量提供思路。同时负二项回归结果表明,除房源周边环境描述所在影响路径外,网络口碑在其他房源和房东属性作用于用户购买行为过程中具有中介作用。然而,与研究假设相反,房东持有房源数量将负向显著影响房源口碑与销量,这可能是因为单套房源房东参与度更低;而房源与市中心距离越远,网络口碑越好,与疫情后周边游特征相关联。最后基于本研究结果为房东和平台提出相关运营建议,后疫情时代房源描述应当更加着墨于房源防疫措施、退订政策、室内活动等,但应与周边环境描述区别开来,同时可以抓住周边游热潮将疫情挑战转变为发展机遇,提升在线短租房源的竞争实力和业务量。

多层信任视角下的共享服务平台用户预定行为研究

[目的/意义]旨在探索共享服务平台上基于多层信任视角所生成的信息对资源需求方预定行为的影响,以助力后疫情时代共享经济的复苏和持续发展。[方法/过程]结合供需双方对平台、供需双方之间和需方对共享产品的信任信息,基于多层信任视角的“3P+3I”理论,构建共享服务平台消费者购买行为研究模型。以共享短租平台为例,获取Airbnb上北京地区的公开数据,利用Bert算法构建房源产品口碑指标,基于因果推断中的因果发现算法初步推测用户预定行为的内在机制并利用泊松回归进行实证分析。[结果/结论]供需双方对平台、供需双方之间和需方对共享产品的信任变量对房源销量均有显著的正向促进作用。其中房东产生的信任特征对租客预定行为的正向影响效应最大,建议房东花极大精力建立房东声誉并适当披露更多的信息,为获得“超级房东”徽章,可优先选择不提供“直接预定”服务以便筛选掉可能会恶意差评的用户。建议平台严格把关用户的个人资质,注重对用户身份信息认证机制和评论激励制度的完善,以降低用户决策中的不确定性。