为提高电力客服服务质量,提出一种电力智能客服问答系统。基于卷积神经网络(convolutionalneural networks,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络提取和表示重要信息和上下文信息;结合BiLSTM网络和...为提高电力客服服务质量,提出一种电力智能客服问答系统。基于卷积神经网络(convolutionalneural networks,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络提取和表示重要信息和上下文信息;结合BiLSTM网络和协同注意机制,提取语义信息并进一步表示为特征向量,解决长语句中前后词之间的依赖问题,获得问题对之间的相关特征表示;提出一种将余弦相似性和欧氏距离进行调和的相似性计算函数,实现问题对的高效匹配;以某电力公司提供的电力数据为例,对所提模型进行实验验证。结果表明:所提模型性能最优,准确率和召回率分别为90.96%和88.63%,为电力客服智能服务的发展提供了一定借鉴作用。展开更多
文摘为提高电力客服服务质量,提出一种电力智能客服问答系统。基于卷积神经网络(convolutionalneural networks,CNN)和双向长短期记忆(bidirectional long short-term memory,BiLSTM)网络提取和表示重要信息和上下文信息;结合BiLSTM网络和协同注意机制,提取语义信息并进一步表示为特征向量,解决长语句中前后词之间的依赖问题,获得问题对之间的相关特征表示;提出一种将余弦相似性和欧氏距离进行调和的相似性计算函数,实现问题对的高效匹配;以某电力公司提供的电力数据为例,对所提模型进行实验验证。结果表明:所提模型性能最优,准确率和召回率分别为90.96%和88.63%,为电力客服智能服务的发展提供了一定借鉴作用。
