智能问答算法原理及实践之路高清版，CONTENTS 01 智能问答算法原理 02 实践:小知客服机器

文件名称: 智能问答算法原理及实践之路

所属分类: 机器学习

开发工具:

文件大小: 3mb

下载次数: 0

上传时间: 2019-07-15

提供者: weixin_********

下载 (3mb)

不能下载？报告错误

详细说明：高清版，智能问答算法原理及实践之路CONTENTS 01 智能问答算法原理 02 实践:小知客服机器人电话机器人 03 总结和挑战腾讯小知总览 query 中控逻辑 response 任务机器人知识图谱机器人 FAQ机器人闲聊机器人阅读理解机器人 KNOWLEDGE GRAPH AQ豆豆腾讯小知腾讯小知 FAQ机器人 Preprocess:对 query进行预处理,抽取NLP特征社保余额怎么查询? 纠错标准化文本特征提取 FAQ问题集 Retrieval:从问题索引中召回候选集 Inverted query改写倒排检索/BM25←ndex 可以在微信上关注社保公众号, 在底部菜单 Matching:计算 query与问句相似度s(q)并排序冷启动匹配模型深度匹配模型知识图谱匹配拒识模块字面匹配腾讯小知动机:解决冷启动问题方案 Boosted trees 抽取器词 biram 文本相似度特征 =bigram 相似度 boost非线性建模核心词 Vacca相似度非核心词 Cosine相似度名词 eaturevec 否定瓦组疑问词 NLU关镜司 p(Y=yP,Q),y∈0,1 腾讯小知字/向量匹配词向量: 句向量: word2vec WMD(Word Mover's Distance) glove SIF ( Smooth inverse Frequency DI Obamaspeaks to the media in Illinois. (wb-wa+we)ur a: b: c: d= arg max lwb -Wa +well 1.07=045\+0.24 +020+0.18 man: woman: king Do the President greets the press in Chicago 员 +king[0.300,70] queen 63=049+042 +0.44 +D.28 0.75 king man 0.200.20 D, The band gavelaconcertin Japan 0.5 woman[0.600.30] woman Do the President greets the press in Chicago 025 mar queen[0.70080] D0250.5.751 D 3 Obama speaks in Illinois. 腾讯小知深度匹配模型高维稀疏term特征映射到低维语义特征深层网络结构 Posterior probability computed b P(D,g) P(DiG) P(Do) y softman Relevance measured by cosine similarity R(O, D1) R(C D2) R(O Dn) Semantic feature 128 128 128 128 {W4b}下 300 300 300 300 Multi layer non dw3,b3; linear projection 300 300 300 {W2b2} Word Hashing 30k 30k 30k 30k W Term vector 500k 500k 500k 500k (Reference: PS Huang, Learning deep structured semantic models for web search using clickthrough data, 2013) 腾讯小知深度匹配模型 CNN,卷积神经网络建模 RNN,循环神经网络建模 Concatenation the cat sat on the mat the ca n the ma □hec社t sat on sat the cat sa on the mat hr =f(hr-1, Wr) he cat cat sat sat on cat st sat en on thc the mat convolution the cat sat car sat。n sat on the on the mat the mat 腾讯小知深度匹配模型 Representation- based,表示式建模 Interaction- based,交互式建模 sentence s MTI>XIIIIm d IETTTHTTITIIIIm more 2D conu chian MLP 1D convolution milx-pon In? pooling NITIN MLP o Matching →p Degree 目、 C Mat ching Degree 2D roma uian 胶> ayer-1(1D convolution Layer-2 (2D-pcol ng) Layer-3 (2D-convnlution Figure 3: Architecture-I for matching two sentences Figure 4: Architecture-II(ARC-II)of convolutional matching model (Reference: Baotian Hu,, Convolutional Neural Network Architectures for Matching Natural Language Sentences, 2015)

(系统自动生成,下载前可以参看下载内容)