2019年第十届中国大学生服务外包创新创业大赛——A14.运用文本相似度实现证券智能客服.zip

# 演示视频 链接：https://pan.baidu.com/s/1SfywE5AoKXF3e9IyjeECvg 提取码：jkor # 技术路线图  # 文件说明 * data：包括爬虫数据、扩充数据、官方数据 * security：爬取百度、百度知道、搜狗数据 * wiki：获取维基百科数据进行分词和分字处理，并训练词向量和字向量模型 * process：对爬虫数据和官方数据进行处理 * model：单个强模型，微调得到多个弱模型，投票方式融合 # 获取维基百科数据 一、维基百科数据下载地址   https://dumps.wikimedia.org/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz2 二、开源解压项目   https://github.com/attardi/wikiextractor   1、直接复制WikiExtractor.py文件即可   2、解压文件E:\wikiextractor>python WikiExtractor.py -cb 1500M -o extracted E:\zhwiki-latest-pages-articles.xml.bz2   3、得到E:\wikiextractor\extracted\AA\wiki_00.bz2，解压wiki_00.bz2得到wiki_00，重命名为wiki.txt 三、下载opencc   1、下载opencc windows版   2、将bin目录路径添加到环境变量 四、简繁体转换   E:\wiki\extracted\AA> opencc -i wiki.txt -o wiki_jian.txt -c E:\wiki\opencc-1.0.4-win32\opencc-1.0.4\share\opencc\t2s.json 五、分词、分字   将wiki_jian.txt按照分词和分字两种方法进行切分，并保存到txt文件中 # 模型指标 单模型|正确率|召回率|F1值 --|--|--|--| 模型1|0.862|0.767|0.812 模型2|0.859|0.758|0.805 模型3|0.964|0.370|0.535 模型4|0.931|0.570|0.707 模型5|0.924|0.611|0.735 融合效果|正确率|召回率|F1值 --|--|--|--| top1(sim>0.8)|0.895|0.812|0.851 top5(sim>0.6)|0.984|0.962|0.973