基于深度语义的三阶段式问题检索模型
随着检索式问答技术的日趋成熟,如何有效利用现有的模型和检索工具,达到问答系统的整体优化,是亟待研究的现实问题.提出了一种基于深度语义的三阶段式问题检索模型(TSFR-RM),用于构筑智能客服问答系统.首先基于深度学习方法计算用户问题和知识库问题的文本表征相似度,锁定top-k候选答案集,同时赋予模型泛化检索的能力;其次针对用户问题与知识库问题答案对,构造多角度语义特征,进行精确比对计算;最后构造状态预测模型返回问题检索精准答案.通过真实文旅机构客服问答数据集实验及实际应用效果表明,该模型相较于其他基于特征和表征的问题检索模型,在精确率(precision)性能指标上最高提升9.3个百分点,提升优化了智能客服检索系统的准确性.
智能客服系统、问题精确检索、多阶段任务学习、多角度语义特征、问题状态判断、语义分割、数字经济、问答系统
32
TP391;TN722.75;TP181
国家重点研发计划2019YFC1521405
2023-05-15(万方平台首次上网日期,不代表论文的发表时间)
共9页
244-252