robot

项目

智能客服机器人

作用

智能回复客户的问题

内容

语义网络技术路线，使用本体库作为支撑；首先对用户问题通过本体方法进行粗略匹配，获得多个备选答案，并通过ANN或SVM分类，特征提取等，计算问题与答案的匹配度，提供给用户答案。同时，随着对话进行，构建语义网，以获得上下文支持，同时对无法回答的问题进行答案生成：使用自定义语义函数。并将经确认的正确答案，扩充至答案库。具体研究内容及方法如下：

中文分词和词性标注

首先将用户问题中的无意义语气助词停用；对处理后的用户问题进行中文分词以及词性标注，将用户的提问切割成单词，作为系统的输入。

<dependency>
    <groupId>com.hankcs</groupId>
    <artifactId>hanlp</artifactId>
    <version>portable-1.2.10</version>
</dependency>

领域本体库的构建

采用主流的本体开发工具protege和Jena，使用OWL（主要是OWL—DL）本体语言开发建立领域本体库，根据步骤系统的输入，从本体库中匹配查询出用户的输入本体。

回答知识库构建

从海量原始对话记录中清洗筛选出一系列的标准回答并标注关键词,定义其问题模式。本模块将解决两大疑难问题：1、问答匹配，由于对话不一定是1问1答，可能是1问多答、多问1答或者多问多答，回答和问题“间距”也难以确定，因此需要从复杂多样的回答中构建回答知识库。2、无用对话消除。原始对话中含有大量客户介绍自己的经验等情况。该语料中也包含很多本体（关键字），但实际上是无用且对回答匹配有干扰的本体，必须消除。因此需要系统自动识别并抛弃。

粗略（模糊）匹配：

使用本体库，从回答知识库中粗略选择多个（5-10个）备选回答，选择方法可采用最大匹配法。

特征选择与适应度计算

将步模糊匹配的各个结果进行字符串相似度（公共字串，编辑距离），语义相似度，问题领域(抽取关键词，ANN算法训练，分类)，期望词匹配度（该种问题在答案中期望包含哪些词）计算；对每一特征加权重Wi,使用ANN进行权重的训练，得到最终公式对每组（问题，答案）进行适应度计算，提供给用户最可能的回答。

语义网络模型及其扩展

在系统运行中，对于每一次会话，根据用户的输入和已经提供的回答，逐步构建当前对话的语义网络，相关本体用作模糊匹配的关键字。当无法直接搜索出答案时，尝试进行语义推理，定义语义函数，尝试构建答案。

配置环境

1

安装matlab2010b，并将bin文件添加到Path

2

BPModel.jar，IKAnalyzer2012FF_u1.jar，javabuilder.jar，lucene-core-4.6.1.jar添加到工程中

3

MatlabJar0703放到类里面指定的目录，如些工程中指定MatlabJar0703放置在D盘根目录下