如今,傳統(tǒng)以人工服務(wù)為主的客服形態(tài)不斷向智能化、多渠道的方向推進(jìn),尤其是客服密集型的互聯(lián)網(wǎng)金融行業(yè)。智能客服可以實(shí)現(xiàn)客服工作的自動(dòng)化和智能化,減少大量人工成本、提升用戶體驗(yàn)。語義相似度計(jì)算是智能客服中的關(guān)鍵技術(shù),大型企業(yè)的客服系統(tǒng)所涉及的產(chǎn)品和服務(wù)種類繁多,用戶提出的問題大多以不規(guī)則的短文本形式出現(xiàn),這使得用戶提問與標(biāo)準(zhǔn)問題庫之間的語義精準(zhǔn)匹配成為難題,通過人工智能和自然語言處理技術(shù)解決語義相似度計(jì)算任務(wù)是當(dāng)前的研究熱點(diǎn)之一。本文旨在研究應(yīng)用于智能客服的語義相似度計(jì)算方法,從文本預(yù)處理的中文分詞、詞性標(biāo)注、文本詞向量表示等方面展開敘述。重點(diǎn)研究了基于神經(jīng)網(wǎng)絡(luò)的語義相似度計(jì)算方法,針對(duì)現(xiàn)有方法存在的一些問題,提出兩種改進(jìn)的語義相似度計(jì)算方法,分別是基于分詞糾正的門控循環(huán)網(wǎng)絡(luò)方法和結(jié)合成分句法分析的擴(kuò)張卷積網(wǎng)絡(luò)方法。具體地,在預(yù)處理階段考慮到專業(yè)領(lǐng)域分詞易出現(xiàn)分詞錯(cuò)誤,提出一種面向金融詞匯的分詞糾正模型。針對(duì)過長或過短句子在輸入到神經(jīng)網(wǎng)絡(luò)前的截取和補(bǔ)零操作所導(dǎo)致的部分語義丟失問題,提出利用成分句法分析來設(shè)計(jì)規(guī)則補(bǔ)充句中重要的語義成分。在語義特征學(xué)習(xí)階段改進(jìn)了網(wǎng)絡(luò)結(jié)構(gòu),設(shè)計(jì)了兩組單層和雙層的... 

【文章來源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－３詞向量的二維分布圖??通過詞向量間的余弦距離驗(yàn)證，訓(xùn)練得到的詞向量是否可以有效的表示詞語的語義??相似性

積的Ｔｅｘｔ－ＣＮＮ?４＇?／廠］；：？?：／??窗ｕ大小為３、４、５的?，ｖ￣?／?ｆ?／?ｋ?／??卷積濾波器?／二／－／－Ｕ＼?／／?／?／／??＼?ａ?ｐｆ＇Ａ?Ｈ??Ｍ－ｌｘＨ－?Ａ?ｉＷ－??…?ｘｌ，ｘ２，ｘ３，?－?ｘｎ－２Ｘ．ｄ２?Ｓ１，Ｓ２，Ｓ３，?？＿？?Ｓｎ＞＾，ｅ２??成分句法分析??ｄ］?ｄ２?ｃ】＼ｒ－士－，ｅ２??ｘｌ，ｘ２，ｘ３，…ｘｎ?ｓｌ，ｓ２，ｓ３，?—?ｓｎ??Ｓｅｎｔｅｎｃｅ?Ｌ?Ｓｅｎｔｅｎｃｅ?．Ｖ??圖３－７結(jié)合成分句法分析的擴(kuò)張卷積網(wǎng)絡(luò)方法??３．２．２成分句法分析的語義補(bǔ)充??本節(jié)主要介紹利用成分句法分析補(bǔ)充語義的規(guī)則，分別從成分句法分析原理和針對(duì)??過長和過短句子的語義補(bǔ)充規(guī)則制定進(jìn)行說明。??３．２．２．１成分句法分析??句法分析是自然語言處理中的關(guān)鍵技術(shù)之一，其基本任務(wù)是確定句子的句法結(jié)構(gòu)或??者句子中詞匯之間的依存關(guān)系。句法分析分為成分句法分析（Ｃｏｎｓｔｉｔｕｅｎｃｙ?Ｐａｒｓｉｎｇ?）和??依存句法分析（Ｄｅｐｅｎｄｅｎｃｙ?Ｐａｒｓｉｎｇ）?｜４Ｇ］。成分句法分析是指給定一個(gè)句子，根據(jù)相應(yīng)??語言的語法結(jié)構(gòu)分析得到句子的短語結(jié)構(gòu)句法樹ｌ４ｌＵ通常句子的主要成分包括兩大類：??第一類為句子的基本語法成分主語、謂語、賓語；第二類是修飾基本成分的狀語、定??語、補(bǔ)語等。??Ｓｔａｎｆｏｒｄ?Ｐａｒｓｅ是斯坦福自然語言處理組織為成分句法分析提供的工具。該句法解??析器可以通過內(nèi)部算法得到句子的短語結(jié)構(gòu)樹。而且，該解析器覆蓋的語言種類很廣泛??除了更常用于解析英語之外，還可以用于其他語言比如漢語、德語、阿拉伯語、意大利??語、

ＵＰ?ＰＰ?＇?＞Ｐ??，＼?＇ＮＰ?／＼?／?＼＼??ｂｏｕｇｈｔ?ＮＰ?ＰＰ?Ｔ?＾?ｓｏｌｄ?ＰＲＰ?Ｔ〇?ＮＰ?ＩＮ?ＮＰ??，?＇?；?、、?ｆ?ｒ＼Ｄ?｜?］?Ｉ?｜?／．?、，－？、??ＮＮＰ?ＰＯＳ?ＩＮ?ＮＰ?Ｉｏｒ?／Ｓ?ｉｔ?ｔｏ?ＮＮＰ?ｆｏｒ?ＮＰ?ＰＰ??Ｄｏｍｉｎｉｃｋ?＊Ｓ?ｉｉ?ＣＤ?Ｓ?ＣＤ?ＣＤ?Ｓａｆｅｗａｙ?ＱＰ?ＩＮ?ＮＰ??▲?￥＾ＣＤ?ＣＤ?ｉｎ?ＣＤ??Ｓ?１＾８?ｂｉｌｌｉｏｎ?１０９８??圖３－８?Ｓｔａｎｆｏｒｄ?Ｐａｒｓｅ成分句法分析示例??Ｓｔａｎｆｏｒｄ?Ｐａｒｓｅ工具以短語結(jié)構(gòu)樹的形式呈現(xiàn)句子的語法結(jié)構(gòu)，并標(biāo)記句子中每個(gè)單??詞的語法成分和詞性。Ｓｔａｎｆｏｒｄ?Ｐａｒｓｅ分析出的詞匯和短語的類型以及相應(yīng)標(biāo)注如表３－３??所示。??表３－３?Ｓｔａｎｆｏｒｄ?Ｐａｒｓｅ分析詞匯和短語的類型及標(biāo)注??關(guān)系類型?標(biāo)注?關(guān)系類型?標(biāo)注??Ｎｏｕｎ?ｐｈｒａｓｅｓ?ＮＰ?Ｐｅｒｓｏｎａｌ?ｐｒｏｎｏｕｎ?ＰＲＰ??Ｐｈｒａｓａｌ?ｖｅｒｂｓ?ＶＰ?ａｄｖｅｒｂｓ?ＲＢ??ｃｏｎｊｕｎｃｔｉｏｎｓ?ＣＣ?ｄｅｔｅｒｍｉｎｅｒ?ＤＴ??Ｐｒｅｐｏｓｉｔｉｏｎａｌ?ｐｈｒａｓｅ?ＰＰ?Ｐｏｓｉｔｉｏｎａｌ?ｐｈｒａｓｅｓ?ＬＣＰ??對(duì)于中文成分句法分析，哈爾濱工業(yè)大學(xué)開發(fā)的語言技術(shù)平臺(tái)ＬＴＰ提供＿／?？系列的??漢語語言處理模塊，其中包括分詞、命名實(shí)體識(shí)別、成分句法分析等Ｍｌ。ＬＴＰ進(jìn)行成分??句法分析的兩個(gè)例句収門螞蟻金服符能客服數(shù)據(jù)集，如閣３－９所示。??ＨＥＩＸ?ＶＯＢ??／＾ＡＴ＼?Ａ／．Ａ

【參考文獻(xiàn)】：
期刊論文
[1]文本相似度計(jì)算方法研究綜述[J]. 王春柳,楊永輝,鄧霏,賴輝源.  情報(bào)科學(xué). 2019(03)
[2]文本相似度計(jì)算研究進(jìn)展綜述[J]. 王寒茹,張仰森.  北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(01)
[3]人工智能在金融領(lǐng)域的應(yīng)用場景和現(xiàn)狀分析[J]. 馬奔,張璐.  時(shí)代金融. 2019(04)
[4]人工智能在金融業(yè)智能客服領(lǐng)域的應(yīng)用分析[J]. 聶長森,洪武,韓志雄,楊紫.  金融科技時(shí)代. 2018(12)
[5]人工智能在金融領(lǐng)域的發(fā)展態(tài)勢和應(yīng)用展望[J]. 馮曉輝,王哲,李雅琪.  人工智能. 2018(05)
[6]基于修正偏移量的句子相似度算法[J]. 裴飛龍,閔華松.  計(jì)算機(jī)工程. 2017(09)
[7]用于微博情感分析的一種情感語義增強(qiáng)的深度學(xué)習(xí)模型[J]. 何炎祥,孫松濤,牛菲菲,李飛.  計(jì)算機(jī)學(xué)報(bào). 2017(04)
[8]深度文本匹配綜述[J]. 龐亮,蘭艷艷,徐君,郭嘉豐,萬圣賢,程學(xué)旗.  計(jì)算機(jī)學(xué)報(bào). 2017(04)
[9]基于LSTM網(wǎng)絡(luò)的序列標(biāo)注中文分詞法[J]. 任智慧,徐浩煜,封松林,周晗,施俊.  計(jì)算機(jī)應(yīng)用研究. 2017(05)
[10]智能客服機(jī)器人的現(xiàn)狀及發(fā)展[J]. 李斐,邵曉東,周力恒,金陽.  中國傳媒科技. 2016(04)

碩士論文
[1]結(jié)合神經(jīng)網(wǎng)絡(luò)的文本語義相似度研究[D]. 靳麗.山東大學(xué) 2019
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的中文句子相似度計(jì)算[D]. 孫陽.中國科學(xué)技術(shù)大學(xué) 2019
[3]智能客服問答系統(tǒng)關(guān)鍵算法研究及應(yīng)用[D]. 張素榮.南京郵電大學(xué) 2018
[4]非平衡文本數(shù)據(jù)分類算法比較與實(shí)現(xiàn)[D]. 王占偉.山西大學(xué) 2018
[5]基于語句相似度計(jì)算的FAQ問答系統(tǒng)設(shè)計(jì)[D]. 高旭楊.浙江大學(xué) 2018
[6]不平衡學(xué)習(xí)中的重采樣方法研究[D]. 周建偉.南京理工大學(xué) 2018
[7]面向智能客服機(jī)器人的交互式問句理解研究[D]. 文博.哈爾濱工業(yè)大學(xué) 2014



本文編號(hào)：2958691