如何构建一个问答机器人(FAQ问答机器人)

本文介绍了如何构建问答机器人,重点讨论了FAQ问答机器人的构建,包括问答类型、数据类型和常用的召回与匹配方案。强调了快速召回方法,如基于词汇计数、语言模型和向量化,以及深度匹配的Siamese网络和交互矩阵网络。此外,还分享了业界实践中重视Baseline、构建pipeline和利用领域数据的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

开篇

下面的主要内容摘自腾讯知文的算法负责人的演讲,主要描述了腾讯知文问答系统的主要框架。

问答类型

第一种类型,任务驱动型。这种类型通常是用户希望去完成一些任务,比如查天气、查汇率等。

第二种类型,解决用户信息获取类的问题。这种类型也是我们这次分享的重点,我们将主要在这点展开。这也是目前业界落地最多的一种问答系统类型。

第三种类型,通用闲聊型。比如微软的小冰、苹果的 Siri 都支持通用闲聊,通用闲聊的加入会使对话系统更富于人性化,也可以加入个性化信息、用户画像信息,包括前面教授们提到的情感信息。

问答领域的数据

第一种,基于标准的、结构化的知识,比如说 FAQ 和 KG。FAQ 是常见问题解答,KG 是组织好的知识图谱,这两种都是比较结构化的数据类型。

第二种,数据以非结构化的形式存在,比如说表格、文档。

第三种,多模态、跨媒体问答,比如说 VQA,或可能存在视频、音频问答的语料库。

ps:就我的实习经验来说,在企业里往往是使用第一种数据去构建问答机器人的,同时,由于绝大多数的企业是没有能力构建KG的,所以大部分就FAQ的机器人。

通用的FAQ框架

由于图片比较模糊,所以就不放图了。

首先是问题处理模块,这一模块的工作包括查询、问询改写,错词纠正,同义词替换。第二步是召回,即在 FAQ 里召回文档,最主要的目标是召回要快,召回率要很高,准确性可以比较低,可以召回不那么相关的信息。之后,我们会做一个匹配。

ps: 和搜索框架的区别
问答系统追求的是top-1的准确度,最主要的是匹配

快速召回的方案

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值