基于多特征融合的智能客服模型①

李美玲,任亚伟,孙军梅,李秀梅,何鑫睿

(杭州师范大学 信息科学与工程学院,杭州 311121)

1 引言

随着电子商务的快速兴起,智能客服成为金融领域的一大研究热点.智能客服的核心是快速、准确地回答用户的咨询问题.传统的智能客服模型主要是计算用户提问语句和知识库语句的相似度,通过匹配的方式检索出答案.尽管用户提问语句和知识库语句包含相似的关键词,但语义逻辑却可能截然不同[1],如表1所示.其中,Q 表示用户提问语句,T 表示语义相同的语句一,F 表示语义不同的语句二.因此,智能客服模型中语句相似度的计算需要综合考虑关键词信息和语义逻辑信息.

表1 语句例子

句子相似度是实现智能客服的关键技术,是文本相似度识别的子集[2].基于深度学习的方法是进行文本相似度计算的重要方法,它从不同角度提取文本中的信息,可以更大限度利用上下文信息,从而提高输入表征的信息量,克服文本语义表示上的鸿沟问题,使计算结果更加准确.基于深度学习的方法利用Word2Vec[3]等词向量方法将词语转化为词向量后,输入到神经网络模型中,得出句子的语义特征表示,再将语义特征表示送入全连接层或使用距离公式进行语义相似度计算.Hu 等将卷积神经网络(Convolutional Neural Network,CNN)[4]用于问题文本相似度计算中,分别对两个句子用CNN 进行编码,然后将编码后的文本向量进行拼接,送入全连接网络[5].Yin 等使用两个独立的带有注意力最大值池化的字……