本文關(guān)鍵詞：基于自適應(yīng)標(biāo)簽抽取的客服微博自動應(yīng)答系統(tǒng)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著計算機網(wǎng)絡(luò)的發(fā)展,在線搜索已經(jīng)成為一種快速獲取信息的新途徑。用戶越來越希望能夠快速地獲得自己想要的答案,然而搜索引擎以網(wǎng)頁列表的形式返回搜索結(jié)果,需要用戶從中去找到答案,這在一定程度上降低了搜索效率,用戶體驗也受到一定的影響。自動應(yīng)答系統(tǒng)彌補了搜索引擎的不足,直接返回準(zhǔn)確、簡潔的答案給用戶,并且允許用戶以自然語言的方式提問,提高了用戶查詢的便捷性。自動應(yīng)答系統(tǒng)應(yīng)用范圍廣泛,是自然語言處理領(lǐng)域里非常重要的研究方向。 本文對自動應(yīng)答系統(tǒng)中的關(guān)鍵技術(shù)進行了研究與改進,并取得了一些研究成果,主要工作包括以下幾個方面： (1)提出了利用Canopy聚類算法與LDA主題模型相結(jié)合的方法,實現(xiàn)了對文本集的聚類操作。 (2)結(jié)合詞向量得到詞語之間的語義信息,提出了改進的Text Rank標(biāo)簽抽取算法。 (3)實現(xiàn)了文本聚類技術(shù)與標(biāo)簽抽取技術(shù)相結(jié)合的標(biāo)簽自適應(yīng)抽取功能。 (4)結(jié)合新浪微博上用戶與企業(yè)客服的問答特點,設(shè)計與實現(xiàn)了基于自適應(yīng)標(biāo)簽抽取的客服微博自動應(yīng)答系統(tǒng)。 通過實驗證明,改進的LDA文本聚類方法縮短了文本集的訓(xùn)練時間,提高了文本聚類的整體效果；基于語義信息的Text Rank標(biāo)簽抽取算法要優(yōu)于其它傳統(tǒng)的標(biāo)簽抽取算法。 經(jīng)過系統(tǒng)測試,本文所構(gòu)建的基于自適應(yīng)標(biāo)簽抽取的客服微博自動應(yīng)答系統(tǒng)易用性強,系統(tǒng)準(zhǔn)確率達(dá)到70%以上,響應(yīng)時間小于1秒,基本滿足用戶需求,能夠幫助企業(yè)高效的完成客服工作。
【關(guān)鍵詞】：自動應(yīng)答系統(tǒng) 文本聚類 標(biāo)簽抽取 信息查詢
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.3;TP391.1
【目錄】：

• 摘要4-5
• ABSTRACT5-7
• 目錄7-9
• 第一章 緒論9-14
• 1.1 課題研究背景及意義9
• 1.2 自動應(yīng)答系統(tǒng)的國內(nèi)外研究現(xiàn)狀9-10
• 1.3 客服微博自動應(yīng)答系統(tǒng)的特點10-12
• 1.4 論文主要研究內(nèi)容及創(chuàng)新點12
• 1.5 論文的組織內(nèi)容12-14
• 第二章 自動應(yīng)答系統(tǒng)的關(guān)鍵技術(shù)14-25
• 2.1 自動應(yīng)答系統(tǒng)的結(jié)構(gòu)14-15
• 2.2 查詢分析模塊15-17
• 2.3 文檔庫建模模塊17-24
• 2.3.1 文本聚類算法18-23
• 2.3.2 標(biāo)簽抽取算法23-24
• 2.4 信息檢索模塊24
• 2.5 本章小結(jié)24-25
• 第三章 改進的LDA文本聚類方法25-37
• 3.1 聚類算法的選擇25-27
• 3.1.1 LDA主題模型25-26
• 3.1.2 LDA主題模型的不足26-27
• 3.2 改進的基于Canopy算法文本聚類方法27-30
• 3.2.1 Canopy聚類算法27-28
• 3.2.2 基于Canopy算法的LDA聚類算法28-30
• 3.3 評價指標(biāo)30-31
• 3.4 實驗結(jié)果與分析31-36
• 3.4.1 實驗數(shù)據(jù)集31-32
• 3.4.2 結(jié)果對比分析32-36
• 3.5 本章小結(jié)36-37
• 第四章 基于語義信息的Text Rank標(biāo)簽抽取算法37-48
• 4.1 Text Rank標(biāo)簽抽取算法37-40
• 4.1.1 Page Rank算法37-38
• 4.1.2 Text Rank標(biāo)簽抽取算法38-40
• 4.2 改進的Text Rank標(biāo)簽抽取算法40-45
• 4.2.1 基于詞向量的語義信息表示40-43
• 4.2.2 改進的基于語義信息的Text Rank標(biāo)簽抽取算法43-45
• 4.3 評價指標(biāo)45
• 4.4 實驗對比及分析45-47
• 4.4.1 實驗數(shù)據(jù)集46
• 4.4.2 結(jié)果對比分析46-47
• 4.5 本章小結(jié)47-48
• 第五章 系統(tǒng)設(shè)計與實現(xiàn)48-55
• 5.1 系統(tǒng)整體架構(gòu)設(shè)計48-49
• 5.2 系統(tǒng)子模塊設(shè)計與實現(xiàn)49-52
• 5.2.1 查詢分析模塊49-50
• 5.2.2 文檔庫建模模塊50-51
• 5.2.3 信息檢索模塊51-52
• 5.2.4 客服管理模塊52
• 5.3 系統(tǒng)整體性能測試52-54
• 5.4 本章小結(jié)54-55
• 第六章 結(jié)論與展望55-57
• 6.1 全文總結(jié)55-56
• 6.2 下一步工作的展望56-57
• 參考文獻(xiàn)57-60
• 致謝60

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 樊孝忠,李宏喬,李良富,葉江;銀行領(lǐng)域漢語自動問答系統(tǒng)BAQS的研究與實現(xiàn)[J];北京理工大學(xué)學(xué)報;2004年06期

2 王樹西,劉群,白碩;一個人物關(guān)系問答的專家系統(tǒng)[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2003年01期

3 鄭家恒,盧嬌麗;關(guān)鍵詞抽取方法的研究[J];計算機工程;2005年18期

4 黃寅飛,鄭方,燕鵬舉,徐明星,吳文虎;校園導(dǎo)航系統(tǒng)Easy Nav的設(shè)計與實現(xiàn)[J];中文信息學(xué)報;2001年04期

5 吳友政,趙軍,段湘煜,徐波;問答式檢索技術(shù)及評測研究綜述[J];中文信息學(xué)報;2005年03期

6 岑詠華;王曉蓉;吉雍慧;;一種基于改進K-means的文檔聚類算法的實現(xiàn)研究[J];現(xiàn)代圖書情報技術(shù);2008年12期

7 ;A Distributed Dynamic Clustering Algorithm for Wireless Sensor Networks[J];Wuhan University Journal of Natural Sciences;2008年02期

  本文關(guān)鍵詞：基于自適應(yīng)標(biāo)簽抽取的客服微博自動應(yīng)答系統(tǒng)，，由筆耕文化傳播整理發(fā)布。

本文編號：366849