智能问答系统,近两年被炒得热火朝天。然而,刨除花式PPT以及论文里的各种黑科技,我们最想知道的其实是:这东西到底怎么落地?
近日,百度开源了主要面向FAQ集合的问答系统框架AnyQ(ANswer Your Questions),该框架究竟如何?让我们一起来看一下。
摘要
AnyQ是ANswer Your Questions 的缩写,直指问答系统的核心业务:回答你的问题。 实际上,该项目包含面向FAQ集合的问答系统框架AnyQ以及文本语义匹配工具SimNet。
AnyQ采用了配置化、插件化的设计,各功能均通过插件形式加入,当前共开放了20+种插件。开发者可以使用AnyQ系统快速构建和定制适用于特定业务场景的FAQ问答系统,并加速迭代和升级。
SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架,该框架在百度各产品上广泛应用,主要包括BOW、CNN、RNN、MM-DNN等核心网络结构形式,同时基于该框架也集成了学术界主流的语义匹配模型,如MatchPyramid、MV-LSTM、K-NRM等模型。SimNet使用PaddleFluid和Tensorflow实现,可方便实现模型扩展。使用SimNet构建出的模型可以便捷的加入AnyQ系统中,增强AnyQ系统的语义匹配能力
AnyQ 框架
AnyQ系统框架主要由Question Analysis、Retrieval、Matching、Re-Rank等部分组成,框架中包含的功能均通过插件形式加入,如Analysis中的中文切词,Retrieval中的倒排索引、语义索引,Matching中的Jaccard特征、SimNet语义匹配特征,当前共开放了20+种插件。AnyQ系统的配置化、插件化设计有助于开发者快速构建、快速定制适用于特定业务场景的FAQ问答系统,加速迭代和升级。 AnyQ的框架结构如下图:
配置化
AnyQ系统集成了检索和匹配的众多插件,通过配置的方式生效;以检索方式和文本匹配相似度计算中的插件为例:
- 检索方式(Retrieval)
- 倒排索引:基于开源倒排索引Solr,加入百度开源分词
- 语义检索:基于SimNet语义表示,使用ANNOY进行ANN检索
- 人工干预:通过提供精准答案,控制输出
- 匹配计算(Matching)
- SimNet语义匹配:使用语义匹配SimNet架构训练的模型,构建问题在语义层面的相似度
- Cosine相似度
- Jaccard相似度
- BM25
- 字面匹配相似度:在对中文问题进行切词等处理之后,计算字面匹配特征
- 语义匹配相似度
插件化
除框架外,AnyQ的所有功能都是通过插件形式加入,用户自定义的插件很容易加到AnyQ系统中,只需实现对应的接口即可,如自定义词典加载、Question分析方法、检索方式、匹配相似度、排序方式等,真正实现可定制和插件化。
文本语义匹配框架SimNet
SimNet是百度自然语言处理部于2013年自主研发的语义匹配框架,该框架在百度各产品上广泛应用,主要包括BOW、CNN、RNN、MM-DNN等核心网络结构形式,同时基于该框架也集成了学术界主流的语义匹配模型,如MatchPyramid、MV-LSTM、K-NRM等模型。SimNet使用PaddleFluid和Tensorflow实现,可方便实现模型扩展。使用SimNet构建出的模型可以便捷的加入AnyQ系统中,增强AnyQ系统的语义匹配能力。
按照文本语义匹配网络结构, 可将SimNet中实现的网络模型主要分为如下两类:
Representation-based Models
如:BOW, CNN, RNN(LSTM, GRNN)
特点:文本匹配任务的两端输入,分别进行表示,之后将表示进行融合计算相似度;
Interaction-based Models
如:MatchPyramid, MV-LSTM, K-NRM, MM-DNN
特点:在得到文本word级别的序列表示之后,根据两个序列表示计算相似度匹配矩阵,融合每个位置上的匹配信息给出最终相似度打分;
SimNet使用PaddleFluid和Tensorflow实现,更多详情访问该开源项目
基于海量搜索数据的语义模型
基于百度海量搜索数据,官方训练了一个SimNet-BOW语义匹配模型,在一些真实的FAQ问答场景中,该模型效果比基于字面的相似度方法AUC提升5%以上。
关注安卓绿色联盟公众号,获取更多技术干货。
网友评论