http://www.docin.com/p-2177206264.html
1、智能問題算法原理
任務(wù)機(jī)器人
知識圖譜機(jī)器人
FAQ機(jī)器人
閑聊機(jī)器人
閱讀理解機(jī)器人
1.1 FAQ 機(jī)器人
query -> 糾錯->標(biāo)準(zhǔn)化->文本特征提取->query改寫[同義詞] ->BM25 算法 -> 計算語句和候選句的相似度s(q,q') , 并排序
【相似度計算：冷啟動-深度學(xué)習(xí)匹配-知識圖譜-拒識】
https://blog.csdn.net/qq_42491242/article/details/105286787
https://zhuanlan.zhihu.com/p/84809907
拒識 =即能夠知道自己不能回答用戶的哪些問 題以及何時應(yīng)該轉(zhuǎn)向人工客服.
知識圖譜相似度=基于特定知識的語義相似度量，它依賴于分類中的結(jié)構(gòu)化知識:
例如： 深度、路徑長度 ) 和統(tǒng)計信息內(nèi)容( 語料庫與語義圖譜) 。
冷啟動解決方案
字面匹配 文本相似度（jaccard, cosine)+ xgboost
xgboost 非線性建模，他將K（樹的個數(shù)）個樹的結(jié)果進(jìn)行求和，作為最終的預(yù)測值
詞向量 word2vec,glove =Global Vectors for Word Representation
句向量 WMD[無監(jiān)督] ,SIF
SIF
1、以smooth inverse frequency（簡稱SIF)為權(quán)重，對所有詞的word vector加權(quán)平均
例如權(quán)重=a/(a + p(w))，最后從中減掉重要關(guān)鍵詞，得到sentence embedding。
2、對一些不重要的詞語的權(quán)重下降，例如but、just等
結(jié)論 雖然句子中無加權(quán)的平均詞嵌入是簡單的基準(zhǔn)做法，但是Smooth Inverse Frequency是更強(qiáng)有力的選擇
https://zhuanlan.zhihu.com/p/37104535
排序訓(xùn)練模型
排序階段也可以利用排序訓(xùn)練模型，得到知識庫內(nèi)的相似問，構(gòu)造句對訓(xùn)練數(shù)據(jù)，訓(xùn)練有監(jiān)督的模型
判斷(query, question)的分?jǐn)?shù)，選擇分?jǐn)?shù)最高的問題對應(yīng)的知識點作為機(jī)器人回復(fù)
深度匹配模型DSSM
通過搜索引擎里 Query 和 Title 的海量的點擊曝光日志，用 DNN 把 Query 和 Title 表達(dá)為低緯語義向量，并通過 cosine 距離來計算兩個語義向量的距離，最終訓(xùn)練出語義相似度模型。該模型既可以用來預(yù)測兩個句子的語義相似度，又可以獲得某句子的低緯語義向量表達(dá)。
http://www.itdecent.cn/p/8f19d915b3f8
遷移學(xué)習(xí)
聯(lián)合學(xué)習(xí)
-文本分類：同時進(jìn)行語句匹配和分類
-文本生成：匹配和seq2seq訓(xùn)練
多語料遷移：
-fine-tune
-adversarial loss
預(yù)訓(xùn)練模型
-ELMO , BERT
多輪對話架構(gòu)
對話管理
query->nlu-DST-DPL -NLG ->response
NLU : 意圖識別（規(guī)則或分類）槽位提?。∟ER）
DST-會話狀態(tài)管理(DQN)
DPL- 會話策略學(xué)習(xí)，選擇下一步
NLG- 根據(jù)action 返回回復(fù)文本
預(yù)判 客服機(jī)器人多輪對話的意圖預(yù)判功能通常依賴于訪客的接入渠道、著陸頁、訪問軌跡等數(shù)據(jù)，機(jī)器人可以通過這些數(shù)據(jù)來預(yù)測客戶想要咨詢的問題
https://blog.csdn.net/stay_foolish12/article/details/90265394
任務(wù)型機(jī)器人
https://www.cnblogs.com/qcloud1001/p/9181900.html
任務(wù)型機(jī)器人指特定條件下提供信息或服務(wù)的機(jī)器人。通常情況下是為了滿足帶有明確目的的用戶，例如查流量，查話費(fèi)，訂餐，訂票，咨詢等任務(wù)型場景
理解了用戶意圖之后，通過引導(dǎo)用戶完善任務(wù)要求，完成任務(wù)。
知識圖譜機(jī)器人
處理流程：場景選擇，實體抽取，關(guān)系預(yù)測
問答式
引導(dǎo)式
根據(jù)知識逐步遞進(jìn)，一步步進(jìn)行約束定義
閱讀理解機(jī)器人
從文章中抽取答案，閱讀理解建模。
閑聊機(jī)器人
seq2seq， 上下文建模
電話機(jī)器人
ASR, NLP, TTS,MRCP
智能電話管理
人群管理，話術(shù)管理，電話任務(wù)管理，知識庫管理，算法模型管理
外呼統(tǒng)計
任務(wù)監(jiān)控，通話監(jiān)控，意向度篩選，通話詳情，統(tǒng)計分析
智能應(yīng)答
智能問答系統(tǒng)體系結(jié)構(gòu)
功能組件：語義解析，語義匹配，會話意圖識別，答案生成，情感分析
深度遷移學(xué)習(xí)，知識圖譜引擎
問答標(biāo)注平臺，模型訓(xùn)練平臺，分布式爬蟲，hadoop 集群
知識庫管理界面
問答管理，相似問題，智能學(xué)習(xí)
訪客界面
回答，引導(dǎo)轉(zhuǎn)人工
客服界面
挑戰(zhàn)
1- 單輪: 深度語義匹配 遷移學(xué)習(xí) 知識圖譜
2- 多輪 對話管理-槽位提取-端到端學(xué)習(xí)-強(qiáng)化學(xué)習(xí)
3- 閱讀理解機(jī)器人-開放域閑聊機(jī)器人
