核心架构 CODE ARCHITECTURE
  • NLP/NLU
  • NLI
  • DL
  • KG
AI Data Engine (ADE)
Birdpush Data Engine (BDE)
BirdEye APIs/SDK
  • DMP
  • LAL模型
  • Look alike
  • 协同过滤
语义意图识别 SEMANTIC INTENTION RECOGNITION

VRobot平台采用了,自主研发的Scorpio语义系统。Scorpio系统,是一个集场景识别、 语义理解及智能对话的深度自然语言系统。该系统提供覆盖多个垂直领域的语义理解。

语义意图识别的基本技术流程如右图所示:输入是Query+Context;之后进行自然语言的 基本处理,进行分词词性标准及NER;在对话管理中,需要数据沉淀与积累,因此需要上 下文模型和领域数据模型;在整个技术流程中,意识识别分类和意识属性抽取是其中的重 头戏;最后通过意图语义表示再输出给对话管理系统。

深度学习 IN-DEPTH LEARNING
两种深度学习模型的实现方案。第一种方案是多分类的方案,将因子+行为相关的用户特征构建成N,文本特征构建成V; 再将这两个维度的特征向量化; 之后在中间层简单地将两个向量进行拼接;最后再通过Softmax进行多分类; 第二种方案的底层操作和第一种方案完全相同,两者的不同之处在于后者采 用多个二分类,鸟瞰智能采用的是第二种方式。

DNN2——channel inputs

DNN2——channel inputs+multiple Labels

知识图谱 KNOWLEDGE MAP

右图是知识图谱示例。 该示意图由实体—关系—实体的RDF三元组构成,天然支持实体 间上下文与推理;同时,把核心知识的维护带给业务的成本降到最小,不需要维护复杂 相似问法,通过技术挖掘生成可扩展图结构。

另外,我们通过对日志数据和日常客服数据进行实体抽取、将日志数据(非结构化)转 化为结构化数据之后。 采用基于知识库的问题问答(Knowledge-Based Question A- -nswer)、通过结合语义解析模块能够做到知识推理理、知识融合。比传统方法提升至 少10%的准确度,用户体验得到进一步提升。

AI核心算法 AI CORE ALGORITHM

基于用户兴趣标签模型

基于LAL模型

(隐马模型)

基于协同过滤模型