基于检索和深度学习模型的问答机器人
设计与实现
摘要: 问答机器人不仅可以降低人工成本,还能大大提高企业的工作效率,
在运营商、电商等领域发挥着重要的作用。目前,问答机器人的技术一般是基于
检索模型进行构建,在复杂多变的场景下存在反应慢、理解能力差、机械式回答
等缺陷。本文本文创新性的提出使用深度学习模型与检索模型相结合的方案,解
决了目前方案存在的实体提取失败的场景及长尾问题,提高了问答机器人回答问
题的准确度。
关键字:人工智能;问答机器人;自然语言
1.
引言
近几年,随着人工智能领域的迅速发展,各种聊天机器人、智能助手、问答
机器人、智能客服等产品层出不穷,帮助用户在各个领域完成任务。聊天机器人
是希望通过人工智能的方法模拟人类对话的计算机程序。
“人工智能之父”图灵对于机器能否思考的设问开启了人们对于聊天机器人
相关的研究工作,由他提出的经典的图灵测试也被认为是人工智能的终极目标。
一般来说,聊天机器人可以分为两类:问答机器人和闲聊机器人两种。闲聊机器
人比较具有代表类型的有微软小冰、苹果 siri、小黄鸡、百度小度等等,主要的
目的是通过聊天的方式满足用户的沟通、情感的需求;而问答机器人主要的目的
是理解并回答用户提出的问题,这些问题通常属于特定领域和特定场景,侧重于
事实性问题或者需要计算和推理类型的问题。
问答机器人的技术一般是基于检索模型进行构建,即:给定一个问题检索模
型会从问答知识库中检索最相近的问题,然后找出对应的答案。但是当检索模型
遇到未登录词、歧义词、同义词、停用词去除不完全等情况时,就会无法匹配到