GRS:一种面向电商领域智能客服的生成-检索式对话模型

摘要

目前大多数智能聊天系统的实现主要有两种方式.检索式得到的回复准确且有意义,但回复内容和回复类型却受限于所选择的语料库.生成式可以获得语料库中没有的回复,更具灵活性,但是容易产生一些错误或是无意义的回复内容.为了解决上述问题,本文提出一种新的模型GRS(Generative-Retrieval-Score),此模型可以同时训练检索模型和生成模型,并用一个打分模块对检索模型和生成模型的结果进行打分排序,将得分最高的回复作为整个对话系统的输出,进而巧妙地将两种方法的优点结合起来,使最终得到的回复具体多样,且生成的回复形式灵活多变.在真实的京东智能客服对话数据集上的实验表明,本文提出的模型比现有的检索式模型和生成式模型在多轮对话建模上有着更优异的表现.

关键词

对话系统 / 数据中台 / 自然语言处理 / 智能电商客服