论文部分内容阅读
网络购物(后文简称网购)正在以一种新的交易形式,深入千家万户,改变人们的生活,提高人们的生活质量。在网购环境中,卖家经常会同时面对多个买家,导致某些买家的一些问题不能得到及时回答,造成服务质量下降,客户流失等现象。在网购环境中,很多买家问题具有重复性,非常适合机器人去回答。因而如果有一个半自动问答机器人,对于买家发送过来的问题,给出候选答案,能够降低卖家压力,从而提高服务质量,这对于网购卖家将具有非常重要的意义。问答知识库是问答机器人的核心。在网购环境中,由于不同的店铺所卖的商品不同,网购环境中问题大部分都是一些非事实类问题,具有店铺个性化、店铺局限性、动态性等特点,这些为知识库的构建带来了很大困难。本文解决方案是:为每个店铺单独维护一个知识库,提出反馈学习机制,并利用该机制解决个性化问题。在该机制中机器人能够在用户(卖家)使用的过程中,实时分析聊天记录,从中提取问答知识对,将知识有选择的存储到该店铺所对应的知识库中。该机制包括问答知识对的识别和知识的存储两个方面。问答知识对的识别包括特征的寻找和特征权重的学习,本文从多个方面寻找了六个特征,并对单个特征和利用权重组合多个特征进行了实验,其中组合特征要远远好于单个特征,并且SVM对权重的学习效果更好,F值达到76.2%。知识的存储包括知识的表示方式和知识冗余性处理。知识的表示是让知识能够更加精简的存储到知识库中,本文分析其特点给出对应的表达形式。对于知识冗余性处理,本文利用相似度做知识的冲突检测,做有选择的存储。为了更好地展示该机制的效果,本文还设计了一个面向真实环境的问答系统,该系统挂接在阿里旺旺上,并设计了一个系统评价实验。本文通过打乱语料顺序的方法来避免人工评价带来的主观因素。通过200组的真实语料的交互,系统采纳率由原来的0.23提高到0.58,这也说明了该机制具有在交互的过程中学习卖家说话的能力,并能识别和回答重复性问题,可大大的降低了客服的工作量。