精品乱码一区二区三四区视频-japan白嫩丰满少妇videos-人妻无码一区二区不卡无码av-狂野欧美性猛交xxxx-欧美 亚洲 中文 国产综合-国产精品美女久久久m-国产欧美熟妇另类久久久-无码一区二区三区亚洲人妻-男人操女人逼,日韩性xx,成全视频观看免费高清第6季,欧美一区三区

1 任務1.1 任務定義

wer，中文名稱是社區問答。是利用半結構化的數據（問答對形式）來回答用戶的提問，其流程通常可以分為三部分。

問題解析，對用戶輸入的問題進行分詞，糾錯等預處理步驟。召回部分，利用信息檢索引擎如等根據處理后的問題提取可能的候選問題。排序部分，利用信息檢索模型對召回的候選問題進行相似度排序，尋找到最相似的問題并返回給用戶。1.2 任務分類

通常，根據應用場景的不同，可以將CQA任務分為兩類：

1.3 評測標準1.4 數據集

由于工業界的數據集通常來自其自身業務的記錄，并不對外公開，故以下只舉例介紹相關比賽中出現的數據集：

“技術需求”與“技術成果”項目之間關聯度計算模型（需求與成果匹配）平安醫療科技疾病問答遷移學習比賽（疾病問句匹配）

相似案例匹配大賽（法律文書匹配）智能客服問題相似度算法設計——第三屆魔鏡杯大賽CCKS 2018 微眾銀行智能客服問句匹配大賽AFQMC 螞蟻金融語義相似度OPPO手機搜索排序query-title語義匹配數據集醫療問題相似度衡量競賽數據集2 方法及模型2.1 無監督方法2.1.1 規則匹配

目前，流行的問答系統中依舊大量應用著規則匹配的方法。基于規則的方法擁有可解釋性強，易于控制，效率高，易于實現，不需要標注數據等優勢。針對FAQ庫中的標問和相似問進行分詞、應用正則表達式等方法提煉出大量的概念，并將這些概念進行組合，構成大量的句式，句式再進行組合形成標問。

在基于規則的匹配中, 如何進行規則的自動發現與更新、檢驗與評估是最關鍵的問題。究其原因, 由人工維護的產生式規則需要高水平的、具備豐富的領域知識的專家.在問答系統所應用的領域較為狹窄時， 這有可能得到滿足。然而, 隨著問答系統涉及知識的廣度和深度不斷提高, 依賴于專家知識對管理規則的難度也大為提高。

2.1.2 無監督文本表示

在缺少標記數據的場景，我們可以利用算法對文本本身進行表示，再利用常用的向量距離計算方法（如余弦距離，歐式距離等）進行相似性度量。常見的無監督文本表示方法主要可以分為兩種，一種是基于詞頻信息的方法，一種是基于詞向量的方法。

選擇單詞數N服從泊松分布，N~(β)。文檔θ服從狄利克雷分布，θ~Dir(α)。對于文檔內N個單詞中的每個單詞 a. 選擇一個主題z，服從多項分布Mult(θ) b. 以概率p（w|z，β）生成單詞w，其中p（w|z，β）表示在主題z上的條件多項式概率。

2.1.3 用于跨領域遷移學習方法

2.2 有監督匹配算法2.2.2 問題意圖分類--深度學習多分類模型（CNN\DNN\LSTM\…）

2.2.2深度文本匹配模型

一般來說，深度文本匹配模型分為兩種類型，表示型和交互型。

表示型模型

表示型模型更側重對表示層的構建，它首先將兩個文本表示成固定長度的向量，之后計算兩個文本向量的距離來衡量其相似度。這種模型的問題是沒有考慮到兩個句子詞級別的關聯性。容易失去語義焦點。

模型DSSＭ 模型 Bert交互型模型

交互型模型認為全局的匹配度依賴于局部的匹配度，在輸入層就進行詞語間的先匹配醫療問答系統，之后利用單詞級別的匹配結果進行全局的匹配。它的優勢是可以很好的把握語義焦點，對上下文重要性合理建模。由于模型效果顯著，業界都在逐漸嘗試交互型的方法。

模型ESIM （ LSTM）2.3 FAQ發現與優化FAQ發現

將用戶問句進行聚類，對比已有的FAQ，發現并補足未覆蓋的知識點。將FAQ與知識點一一對應。

FAQ拆分是當一個FAQ里包含多個意圖或者說多種情況的時候，YiBot后臺會自動分析觸達率較高的FAQ，聚類FAQ對應的問句，按照意圖將其拆分開來。

最終希望希望用戶的每一個意圖能對應到唯一的FAQ，這樣用戶每次提問的時候醫療問答系統，系統就可以根據這個意圖對應的FAQ直接給出答案。而如果兩個FAQ意思過于相近，那么當用戶問到相關問題時，就不會出現一個直接的回答，而是兩個意圖相關的推薦問題，這樣用戶就要再進行一步選擇操作。這時候YiBot就會在后臺同樣是分析觸達率較高的FAQ，分析哪一些問句總是被推薦相同的答案，將問句對應的意圖合并。

分析歷史日志，采用淘汰機制淘汰廢棄知識點，如已下線業務知識點等。

FAQ答案優化

如果機器人已經正確識別意圖但最后仍然轉人工，說明知識庫的答案不對，需要進一步修正這一類知識點相對應的答案。

比如在電商場景中，經常會有查詢發貨到貨時間、訂單狀態等的場景。利用圖示指引、具體訂單處理等方式讓用戶操作更便捷。

3 產品案例產品1百度AnyQ-- Your

產品2:騰訊知文--結構化FAQ問答引擎

基于結構化的FAQ的問答引擎流程由兩條技術路線來解決

采用了三個層次的方法來實現快速檢索的方法

產品3:阿里小蜜

產品鏈接

意圖與匹配分層的技術架構體系