基于意图识别的法院客服问答系统研究与实现

• 作 者: 王浩
• 出 处: 哈尔滨工业大学
• 发表日期: 2004年期
• 关键词: 智能客服 问句理解 意图识别 深度学习

随着传统搜索引擎的弊端不断显露,问答系统的发展越来越受到人们的重视,发展迅速。目前,作为问答系统的一种,智能客服系统也发展迅速、应用广泛。在电商、金融、医疗和家电等诸多领域,智能客服机器人基本代替人工客服,实时高效地为用户服务,成果斐然。生活在法制的社会,大众和法院有着紧密的联系,法院客服扮演着十分重要的角色。人工客服已无法满足大众的需求,急需用智能客服的方式来替代。在法院智能客服系统中,问句匹配的精度直接影响系统的准确性。高精度的问句匹配需要用深度学习技术学习大量的语料库,语料库不足时,很难实现高精度的问句匹配。为保证系统的准确性,问题理解技术必须成为强力支柱。识别问句中包含的用户意图,按意图去知识库中检索、匹配最相似的问句是本文的核心思想。用户意图识别包含两部分:一是识别用户问句类型,二是识别问句中具体意图。当问句集的范围比较集中,问句之间有着较高的词语重复度,大大地增加了问句相似度的计算难度。为解决这个问题,本文提出先识别出问句类型,然后只在同类型的问句间计算相似度,以此来减小衡量问句相似度的难度。本文提出基于多特征融合挖掘的问句类型分类模型,使用词向量、词性等特征,用带有注意力机制的双向长短时记忆网络进行分类学习。利用人工整理的法院客服的数据进行测试,实验结果表明分类算法较其它算法有不错的提升,同时也明显提升了问答系统的准确性。对意图不同的问句来说,计算其相似度没有意义,直接判定为不相识。因此,识别出用户问句的具体意图会进一步降低问句相似度的计算难度。本文采用多标签分类的方法来识别问句中的多种意图,提出了基于共现矩阵的多标签分类模型,充分了利用类别之间的关系,实验结果表明该算法较其它算法有提高,同样提升了问答系统的准确性。论文最后完成了基于意图识别的法院客服问答系统的设计与实现。构建出一套完整的客服问答系统,可以准确地回答用户问题。