简介
从算法、架构、数据、运营等方面阐述智能问答系统的设计，通过该课程可以让受众学习到问答系统的基本概念、知识库构建方法、常用问答算法、评价体系、如何设计一套灵活的问答后台系统、如何结合产品运营提高问答效果。
目标
智能问答系统是将积累的无序语料信息，进行有序和科学的整理，并建立基于知识的分类模型；指导新增加的语料咨询和服务信息，节约人力资源，提高信息处理的自动性，降低网站运行成本，大大提高了效率。
受众人群
大数据工程师、技术经理、产品设计人员、运营分析部等对推荐有兴趣的朋友
课程时长
2天（12H）
分享提纲
| 1、问答系统基础知识 | 1.1 自动问答系统的概念 1.2 一问一答QA-Bot机器人介绍 1.3 任务型机器人Task-Bot介绍 1.4 闲聊型机器人Chat-Bot介绍 |
| 2、问答系统算法介绍 | 2.1 自动问答系统总体架构 2.2 QA-Bot相关算法 2.2.1 QA-Bot实现基本原理 2.2.2 文本分类算法：FastText、TextCNN、LSTM、BERT... 2.2.3 文本匹配算法：DSSM、BERT 2.2.4 分类和匹配模型融合 2.2.5 问答知识库构建 2.2.6 如何解决冷启动问题 2.2.7 结合知识图谱的自动问答 2.3 Task-Bot相关算法 2.3.1 多轮对话基本原理 2.3.2 多轮对话管理系统设计 2.3.3 槽位提取算法 2.4 Chat-Bot相关算法 2.4.1 Seq2Seq生成式算法 2.5 问答系统评价体系 2.5.1 评价指标 2.5.2 人工标注评价 2.5.3 用户反馈评价 2.5.4 如何提高人工标注效率 2.6 算法迭代中的注意事项 2.7 自动问答系统深度思考 2.7.1 如何融合QA-Bot、Task-Bot、Chat-Bot 2.7.2 如何结合规则和算法模型提高问答效果 2.7.3 如何结合产品和运营思路提高问答效果 （1）引入推荐技术：热门问题、猜你想问、输入联想设计 （2）问答知识库运营 2.7.4 问答系统评价的再思考 |
| 3、问答系统后台架构设计 | 3.1 总体架构 3.2 协议设计 3.3 主体服务设计 3.4 AB Test服务设计 3.5 深度学习模型预测服务设计 3.6 调试跟踪系统设计 3.7 标注运营系统设计 3.8 接入平台设计 |
| 4、总结和QA |
京ICP备2022035414号-1
