随着移动互联网的发展,每天各行各业都有大量的交互数据产生。通过对这些数据的利用,不断涌现出以便利人们生活为宗旨的智能辅助决策系统,如百度地图的智能导航系统、苹果公司的siri等。然而在电信行业中这种智能辅助决策的功能还在起步阶段,在此背景下,中国移动期望通过对客户的来电意图进行分析以合理的制定业务,改善业务体系,建设智能语音客服系统以便更好的服务客户。因此,本人设计并实现了一种通过对客服语料进行意图分析进而辅助中国移动进行业务决策的系统。本系统的核心任务是意图分析,分为两个部分。一部分对人人对话的来电原因进行分类,该数据是一种结构化的数据。通过对数据的分析,针对这种类型的数据,本文提出以具有层级结构的神经网络模型为基础,增加多元化的词表示,并使用模型融合的方式进行分类。另一部分是对人机对话进行意图识别,包括两个子任务,分别是意图分类和槽值对的提取。针对短文本的意图分类,本文使用多个简单的分类模型从不同维度进行建模,并使用模型融合的方式得到最终的意图分类结果。对于槽值对的提取,根据中国移动的业务规定所设定的语义槽,本文采用对大规模语料进行话术总结,最终使用规则的方式进行提取。本文在对于对话和短文本的建模方式上一方面遵循了数据本身的特点以便模型的性能尽量好,另一方面也考虑了系统处理的实时性,使模型不能过于复杂。在测试集上的结果表明本文提出的这两种针对性的建模方式都快速有效的解决了提出的问题。相较于中国移动以往使用的模型最终在来电原因分析这个任务上的正确率提高了 7.26%,在意图识别任务上正确率提高了5.19%,有效的提高了中国移动的业务分析能力。同时,通过对系统的需求分析,本文设计了系统的整体实现架构,并基于MVC模式设计了辅助决策系统的主要功能模块。通过整合核心算发、系统功能模块以及系统架构,最终使中国移动在线公司能够合理的制定业务。并提高了智能语音客服的对话质量,使在短期内客户对于客服的服务满意度在抽样调查结果中有6.59%的提升。