本质是分类任务,多用在搜索引擎和智能问答中。
解决方法
1、基于词典以及模板的规则方法
核心是领域词典的构建程度,词典足够好,覆盖范围广,匹配更准确。每一个领域都有自己的词典,如电影、书籍、歌曲;一个query分配给上述三个领域其中之一,最高的匹配度和重合度就是结果。
2、基于机器学习模型来对用户的意图进行判别
标注语料应用ML或者DL训练模型进行测试。
应用fasttext进行文本分类。
本质是分类任务,多用在搜索引擎和智能问答中。
解决方法
1、基于词典以及模板的规则方法
核心是领域词典的构建程度,词典足够好,覆盖范围广,匹配更准确。每一个领域都有自己的词典,如电影、书籍、歌曲;一个query分配给上述三个领域其中之一,最高的匹配度和重合度就是结果。
2、基于机器学习模型来对用户的意图进行判别
标注语料应用ML或者DL训练模型进行测试。
应用fasttext进行文本分类。
您可能感兴趣的与本文相关的镜像
Anything-LLM
AnythingLLM是一个全栈应用程序,可以使用商用或开源的LLM/嵌入器/语义向量数据库模型,帮助用户在本地或云端搭建个性化的聊天机器人系统,且无需复杂设置
8465
1万+

被折叠的 条评论
为什么被折叠?