企業(yè)所收到的客戶信息反饋也就更加有價值。如何設(shè)計一款垂直領(lǐng)域?qū)υ挋C器人，首先要了解一下對話型機器人要解決問題。問題的語義理解的過程包括兩個子任務(wù)：意圖識別和實體抽取。意圖識別(intentionclassification)：用來識別用戶所提問題的意圖，也就是用戶希望做一件什么事。本文只是簡單的闡述一下意圖分析的典型思路和方法，并實現(xiàn)一個基本的意圖分類器。因為本文主要討論垂直領(lǐng)域?qū)υ挋C器人的設(shè)計，所以用戶的問題意圖限定在了特定領(lǐng)域，因此答案的結(jié)果的準(zhǔn)確率也會很高。意圖分類：做意圖識別第0一步是要做意圖分類，根據(jù)所在領(lǐng)域，搜集歸納數(shù)個意圖。并為意圖命名。數(shù)據(jù)準(zhǔn)備：意圖識別離不開數(shù)據(jù)，搜索領(lǐng)域的意圖識別用到的數(shù)據(jù)通常就是用戶的搜索日志了。一般一條搜索日志記錄會包括時間-查詢串-點擊URL記錄-在結(jié)果中的位置等信息。

對話領(lǐng)域則需要批量的意圖語料。特征提?。禾卣鞯奶崛∈菫榱朔奖氵M行分類計算，每一個特征都具備一定的權(quán)重，表明它的權(quán)值。通過特征的權(quán)值，就能夠確定句子屬于哪一個類別。這里我們將每一個字作為一個特征，1/（字出現(xiàn)的總次數(shù)）作為權(quán)值，并構(gòu)建字典。模型準(zhǔn)備：模型準(zhǔn)備需要的是建立分類模型。這里我們通過給每一個特征賦予一個得分，然后將句子中每一個字的特征得分進行相加，然后就可以得到句子在某一個類別下特征的總得分，從而能夠?qū)渥舆M行分類。訓(xùn)練模型：在完成特征任務(wù)后，接下來就是選擇合適的分類器進行訓(xùn)練了，因為意圖識別可以看作是一個多分類任務(wù)，所以通?？梢赃x擇SVM、決策樹等來訓(xùn)練分類器。完成以上工作后基本上一個意圖識別分類模型就建立好了，接下來就是對已識別語句的實體進行抽取。實體抽取(entityextraction)：用于提取用戶對話中所提供的和意圖相關(guān)的參數(shù)(實體)，例如：時間、地點等。要想實現(xiàn)實體抽取，主要分為兩步：系統(tǒng)分詞：現(xiàn)在都有一些開源的分詞工具