4、分布式语义在客户关系管理中的应用：优化Word2vec及相关技术

分布式语义在客户关系管理中的应用：优化Word2vec及相关技术

1. 基于分布式语义系统的抽查

在许多应用场景中，分布式语义是核心技术，但在未进行结构化处理时，其效果并不理想，需要构建一个框架来进行更系统、准确的相似度评估。

• 搜索结果对比 ：以实体“Dawn Wall”及其属性“Who - wrote - script”为例，对比两组搜索结果。假设所有电影类型的实体都应有编剧，但两个搜索引擎都未给出正确值，Bing甚至忽略了查询中“Dawn Wall”是电影而非人的提示。左侧不太理想的搜索结果显示了实体提取/匹配技术的局限性，右侧虽有推断答案，但可能是猜测且很可能不正确。
• 歧义处理 ：通过“character … personal assistant”主题的两个查询来探讨分布式语义如何处理歧义。额外的查询关键词引入了“character”作为字母和作为个性两种语境。在右侧的答案中，系统正确识别出“character”作为有条理、高度详细的语境。当答案与问题建立短语匹配后，word2vec模型发挥作用，将“character”与“person”关联起来。具体操作是先找到与查询短语匹配度最高的候选答案，然后遍历这些候选答案，尝试将查询中的其他关键词与候选答案中的对应词匹配。不过，如果用户查询中出现非常接近的同义词替换，如“maximal”，结果可能会完全不同且不相关。
• 垂直搜索演示 ：基于word2vec和深度学习进行垂直搜索演示。先运行一个查询获取答案，再构造一个已知答案存在的查询。第一个查询回答错误，没有与汽车保险终止相关的