深入学习chatbot培训

我们正在努力为客户服务创建一个智能聊天机器人。我们有一个客户服务问题和答案的语料库，每个会话都有标记的意图。我们正在探索使用深度学习来训练我们的模型，但我们遇到以下几个问题：深入学习chatbot培训

1 - 如何使用特征工程来训练文本数据的模型。具体来说，你如何将语言转化为矢量？
2 - 如何使用用作意图识别深度学习分类器输入的非单词特征？你如何适应例如客户产品名称？ 3 - 如何选择具有文本输入的Deep Learning的神经网络架构？ 4 - 如何处理我们没有足够数据的情况？使用贝叶斯技术？

来源

2017-02-14 m0100434

您可以在此处提问您的问题以获取更多答案：http：//stats.stackexchange.com/。你需要做自然语言处理（NLP），网上有很多例子。尝试使用谷歌搜索'NLP特征提取'。祝你好运！ – Hugo

酷..伟大的开始！

在你跳转到执行之前，我会建议请做一些基本的学习。

无论如何，这里是你的问题的答案。！

特征工程：顾名思义，在您的数据中有些东西可能会降低模型的准确性。像小字符，大写字母，数字，特殊字符，行尾等特殊字符混合在一起，等特性工程给出更高的精度！但是又需要一切取决于你有什么类型的数据！

语言成矢量：任何类型的语言，最后它是文本（在这里你的情况）。我们可以给字或字符的矢量表示。这个向量表示可以通过一个热矢量或使用预先构建的方法（如word2vec或手套）来获取。

一个热点矢量： - 假设你的训练数据集有100个单词。然后为每个单词创建k维向量。其中k是单词的总数。由他们的角色位置来表示。并根据排序及其二氧顺序创建矢量与保持为0

ex: [1 0 0 0 0 ....] - word1 
    [0 1 0 0 0 ....] - word2 
    [0 0 0 0 0 ...1] - word100

非Word功能的索引位置1和休息：遵循相同的规则来字的功能客户端产品名称： - 创建一个热载体，因为它们通常不用于文本。他们在现实生活中没有意义。

如何选择NN： - 这取决于你想达到什么。神经网络可用于许多目的。

没有足够的数据： - 它再次取决于您的数据。！如果你的数据有更常见的模式，并且未来的数据也会出现这些模式！那么使用NN仍然可以。否则我不建议使用NN。

祝您好运！

来源

2017-07-10 10:06:46

深入学习chatbot培训

回答

相关问题