深度学习核心技术精讲100篇（四十六）-情感分析算法在阿里小蜜的应用实践

前言

人机对话一直是自然语言处理领域内的重要研究方向之一，近年来随着人机交互技术的进步，对话系统正逐渐走向实际应用。其中，智能客服系统受到了很多企业尤其是中大型企业的广泛关注。智能客服系统旨在解决传统客服模式需要大量人力的状况，在节约人力的同时，使得人工客服在针对特别问题或者特别用户时能够提供更高质量的服务，从而实现 '智能客服+人工客服' 在服务效率和服务质量两个维度上的整体提升。近年来，许多中大型公司都已经构建了自己的智能客服体系，例如富士通的FRAP[1]、京东的JIMI[2]和阿里巴巴的AliMe[3]等。

智能客服系统的构建需要依托于行业数据背景，并基于海量知识处理和自然语言理解等相关技术。初代智能客服系统主要面对业务内容，针对高频的业务问题进行回复解决，此过程依赖于业务专家对高频业务问题答案的准确整理，主要的技术点在于精准的用户问题和知识点之间的文本匹配能力。随着技术的发展和对用户实际需求更加准确的捕捉，智能客服系统的定义和能力涵盖范围也发生了明显的变化。新型的智能客服系统将服务范围定义为泛业务场景，除了解决处理核心的高频业务问题，智能导购能力、障碍预测能力、智能语聊能力、生活助理功能以及生活娱乐交互等方面的需求也同样被重视和涵盖。

在服务范围被定义得更加广泛的同时，新型的智能客服系统在类人能力程度上也被提出了更高的要求。其中，情感能力做为类人能力的重要体现，已经在智能客服系统的各个维度的场景中被实际应用，并且对系统类人能力的提升起到了至关重要的作用。

本文以阿里巴巴的智能客服平台产品：阿里小蜜为对象，介绍其在基于情感分析能力上的算法模型原理，并围绕智能客服系统中人机结合的服务形式，从六个维度总结和介绍了情感分析技术在智能客服系统中的应用场景，包括用户情感检测、用户情感安抚、情感生成式语聊、客服

深度学习核心技术精讲100篇（四十六）-情感分析算法在阿里小蜜的应用实践相关推荐

深度学习核心技术精讲100篇（十六）-搜索引擎Indri系列之如何建立索引 (Indexing)检索评价 (Evaluation)
前言在为文档集建立索引时,需要执行IndriBuildIndex path-to-to-index_parameter_file.这里的index_parameter_file是xml格式的参数文件 ...
深度学习核心技术精讲100篇（十九）--GBDT(梯度提升树) 和 Resnet (残差网络)的原理
残差残差在数理统计中是指实际观察值与估计值(拟合值)之间的差.在集成学习中可以通过基模型拟合残差,使得集成的模型变得更精确:在深度学习中也有人利用layer去拟合残差将深度神经网络的性能提高变强.这 ...
深度学习核心技术精讲100篇（十四）-一文带你看懂GPflow的前世今生
什么是GPflow GPflow是一个高斯过程的工具包,接口部分由python实现,内部的部分计算则由Tensorflow实现. 主要特点有二个:一是使用变分推理作为近似方法,二是使用自动微分进行求导 ...
深度学习核心技术精讲100篇（十二）-DCGAN(对抗生成网络）算法应用及代码实现
前言一次偶然看到一个换脸的视频,觉得实在是很神奇,于是饶有兴致的去了解一下换脸算法.原来背后有一个极为有意思的算法思想--对抗生成. 随后各种各样的GAN算法以指数级增长的方式涌现出来,比如WGAN ...
深度学习核心技术精讲100篇（十）-机器学习模型融合之Kaggle如何通过Stacking提升模型性能
前言之前的文章中谈到了机器学习项目中,要想使得使得机器学习模型进一步提升,我们必须使用到模型融合的技巧,今天我们就来谈谈模型融合中比较常见的一种方法--stacking.翻译成中文叫做模型堆叠,接下 ...
深度学习核心技术精讲100篇（十五）-搜索引擎Indri系列之安装及使用
前言 Indri是Lemur项目衍生的一个基于语言模型的新的搜索引擎,由University of Massachusetts和Carnegie Mellon University合作开发. 安装下 ...
深度学习核心技术精讲100篇（十八）-巨量数据下美团是如何实现数据治理的？
背景大数据时代的到来,让越来越多的企业看到了数据资产的价值.将数据视为企业的重要资产,已经成为业界的一种共识,企业也在快速探索应用场景和商业模式,并开始建设技术平台. 但这里要特别强调一下,如果在大 ...
深度学习核心技术精讲100篇（二十四）-简单谈下深度学习在中文分词中的应用
前言随着深度学习的普及,有越来越多的研究应用新模型到中文分词上,让人直呼"手快有,手慢无".不过这些神经网络方法的真实水平如何?具体数值多少?以Sighan05中的PKU数据集为 ...
深度学习核心技术精讲100篇（二十）-如何通过树模型实现梯度提升树(GBDT)+LR,随机森林(RandomForest) +LR
前言在讲如何通过树模型做特征工程之前,首先让我们回顾一下一个机器学习(除去深度学习项目部分)项目的大致流程: 从业务场景中抽象出问题--分类问题,回归问题,还是聚类问题等, 接下来是数据获取,数据清 ...
深度学习核心技术精讲100篇（六）-keras 实战系列之知识蒸馏（Knowledge Distilling）
前言深度学习在这两年的发展可谓是突飞猛进,为了提升模型性能,模型的参数量变得越来越多,模型自身也变得越来越大.在图像领域中基于Resnet的卷积神经网络模型,不断延伸着网络深度.而在自然语言处理领域 ...

深度学习核心技术精讲100篇（四十六）-情感分析算法在阿里小蜜的应用实践

前言

深度学习核心技术精讲100篇（四十六）-情感分析算法在阿里小蜜的应用实践相关推荐

最新文章

热门文章