一种FAQ问答与对话树的融合算法研究

会话系统为人机交互回答用户提出的查询和问题提供了一种灵活便捷的操作方法。常规的会话系统分为FAQ问答系统和任务型对话系统两类。在FAQ问答系统中,用户需要提供详细具体的信息以方便系统检索返回正确的答案,但是无法得到定制化的答案;在任务型对话系统中,用户必须按照系统定义好的多轮对话交互路径,才能达到最终的目标结果。文章提出一种融合FAQ和任务对话树的方法,解决FAQ和任务型对话树各自的缺点,同时允许领域专家创建对话树,基于该对话树生成训练数据。在实验环境下测试结果表现优秀。

基于社区问答数据迁移学习的FAQ问答模型研究

基于FAQ(Frequent Asked Questions)问答技术构建智能客服系统,是当前业界普遍采用的技术方案.基于FAQ构建的问答系统,其返回的结果具有稳定、可靠、质量高的优点;但因受限于人工标注的知识库规模,识别能力有限,容易遇到瓶颈.为了解决FAQ数据集规模有限的问题,给出了数据层面和模型层面的解决方法:在数据层面,利用百度知道爬取相关数据并挖掘语义等价问题,保证了数据的相关性和一致性;在模型层面,提出了一种面向迁移学习的深度神经网络transAT,该模型融合了Transformer强大的特征抽取能力和注意力机制,适用于句子对之间的语义相似度计算.实验表明,该方法可以显著提升模型在FAQ问答任务中的效果,在一定程度上解决了FAQ数据集规模有限的问题.

基于问句类型的问句相似度计算

目前,问句相似度的计算主要借鉴普通陈述句的相似度计算方法。由于普通陈述句的相似性更多反映的是语句间语义上的匹配符合程度,而衡量问句间的相似性则须同时考虑问句及其答案句之间的相似程度,为此,设计了一种新的问句相似度计算方法。该方法不仅利用问句之间的语义和语法特征考察问句之间的匹配程度,还利用问句的问题类型等信息来间接刻画答案句之间的特征形象,从而以获取问句的深层语义信息,以提高问句相似度计算的准确性。实验验证了该方法的有效性。