对于搜索引擎来讲，很多情况下只需要用户在搜索输入框内输入所需要查询的内容就可以了，其余的事情就全部交给搜索引擎去处理。理想的情况下，搜索引擎会优先返回用户想要的结果。理想很丰满，但总会存在一些骨感的现实，用户通过搜索无法找到最想要的结果。如果应用中压根不存在用户搜索的内容，倒还可以理解。反之的话，就是一个大写的尴尬。本文主要谈论和解决的是令人尴尬的问题。为什么会搜索不到1、不同的用户对同一种诉求的
转载
2018-11-09 09:10:00
140阅读
对话系统可以说是NLP领域目前已知最扎实的落地场景了，整个流程都脱离不了NLP的核心作用，而且整个流程涉及NLP的大量任务，因此大量的研究都围绕着对话系统来开展，也因此产生了很多很有意义的新方法。而检索式对话作为对话系统最原始的实现方式，又蕴涵着什么有意思的东西，我们来看看。什么是对话系统对话从来就不是一个简单的任务，这是一个涉及理解、生成、交互等多个方向技术的综合实体。理解：需要理解对方输出的内
搜索行为目前已经成为每个上网的人的基本需求，但是用户的搜索行为是怎样一个过程?隐藏在用户查询背后的搜索意图是什么?这都是需要站长、营销人员仔细研究的领域，只有这样才能提供更好的用户体验。用户搜索行为用户之所以会产生搜索行为，往往是在解决任务时遇到自己不熟悉的概念或者问题，由此产生了对特定信息的需求，之后用户会在头脑中逐步形成秒速需求的查询词，将查询提交给搜索引擎，然后对搜索结果进行浏览，如果发现搜
转载
精选
2015-06-10 11:40:38
1633阅读
搜索行为目前已经成为每个上网的人的基本需求，但是用户的搜索行为是怎样一个过程?隐藏在用户查询背后的搜索意图是什么?这都是需要站长、营销人员仔细研究的领域，只有这样才能提供更好的用户体验。
用户搜索行为
用户之所以会产生搜索行为，往往是在解决任务时遇到自己不熟悉的概念或者问题，由此产生了对特定信息的需求，之后用户会在头脑中逐步形成秒速需求的查询词，将查询提交给搜索引擎，然后对搜索结果进行浏览，如
转载
精选
2012-07-18 12:30:59
1057阅读
一、导航型搜索用户为进入某一个已知的网站进行的搜索。例如：搜索关键词“51CTO”、“京东”等。这类搜索因为已经非常精准到品牌，所以用户的需求很明确，因此不需要在此类上花精力，只要做好自己品牌的关键词即可。二、信息型搜索用户以寻找问题的答案或者关键词相关的信息为目的，所进行的搜索类型。例如：搜索关键词“网络营销”等。此类搜索是量最大的一类，所以绝大部分网站都会做，也是流量最大的一类。三、交易型搜索
原创
2017-07-03 11:32:07
839阅读
本文介绍了一种基于卷积神经网络的搜索意图预测系统，通过分析用户查询自动识别使用场景和受众类别，能够显著提升产品搜索算法的相关性。系统使用二元交叉熵损失函数进行训练，在测试中达到97%的活动类别预测准确率和92%的受众类别准确率。
用户搜索意图的理解及其难点解析搜索引擎涉及的技术非常的繁复，既有工程架构方面的，又有算法策略方面的。综合来讲，一个搜索引擎的技术构建主要包含三大部分：对 query 的理解对内容（文档）的理解对 query 和内容（文档）的匹配和排序(点击放大图像) 我们今天主要探讨其中的 Query Understanding，即对 query 的理解。对 query 的理解， 换句话说就是对用户搜索
原创
2023-07-04 19:10:55
0阅读
原文链接：http://blog.csdn.net/zhoubl668/article/details/7857756by 张帆（自然语言处理组@搜狗）通用搜索VS垂直搜索： 通用搜索特点： 抓取互联网上一切有价值的页面，同...
转载
2015-04-11 21:31:00
261阅读
1，概述 任务型对话系统越来越多的被应用到实际的场景中，例如siri，阿里小密这类的产品。通常任务型对话系统都是基于pipline的方式实现的，具体的流程图如下： 整个pipline由五个模块组成：语音识别；自然语言理解；对话管理；自然语言生成；语音合成。现在越来越多的产品还融入了知识库，主要是在对话管理模块引入。在这里除了语音识别和语音合成模块不属于自然语言处理范畴且属于可选项之外，
转载
2023-12-21 13:52:22
305阅读
作者：机智的叉烧为了升级迭代一下自己的技术方案，所以对文本分类和意图识别业界有关的技术进行了一些新的调研。总体看来自己是不少收获的，就文章而言可能一篇写下来内容不是很多，所以打算先整一篇比较综合的，主要是讲一下自己的感受和收获，最后会给出涉及的文章。背景之所以把这个放一起，是因为这两个具有很高的相似性，对用户query的意图识别，本质上其实就是对文本进行分类，工业界一般很少会把文本分类单独拿出来详
1：百度DUEROS系统介绍自然语言理解（NLU）：主要作用是对用户输入的句子或者语音识别的结果进行处理，提取用户的对话意图以及用户所传递的信息。对话管理（DM）：对话管理分为两个子模块，对话状态追踪（DST）和对话策略学习（DPL），其主要作用是根据NLU的结果来更新系统的状态，并生成相应的系统动作。自然语言生成（NLG）：将DM输出的系统动作文本化，用文本的形式将系统的动作表达出来。NLU的一
转载
2024-08-12 10:09:44
181阅读
前言从规则模板到统计方法，再到机器学习方法，最后到深度学习算法，一起回顾NLP之意图识别的历程。作用1、在搜索中会用到意图 比如在baidu中搜索“怎么做龙虾馅饺子”，意图是“做饺子”，而不是“做龙虾”，搜索时以饺子为核心。2、在问答系统中会用到意图 比如用户问“我要买从深圳到上海的机票”，意图是“买机票”，然后再在“买机票”这个领域继续去做语义识别。进化史一、规则模板方法通过专家手工编写规则模板
转载
2023-08-31 23:14:21
770阅读
目录一、前言二、意图分类器2.1 MitieIntentClassifier2.2 LogisticRegressionClassifier2.3 SklearnIntentClassifier2.4 KeywordIntentClassifier2.5 DIETClassifier2.6 FallbackClassifier三、实体提取器3.1 MitieEntityExtractor3.2
转载
2024-07-24 12:55:41
169阅读
意图点击官方链接前言对意图Intent，学习...
转载
2017-12-11 21:19:00
41阅读
2评论
一.智能对话中的意图识别和槽填充联合建模，类似于知识图谱中的关系提取和实体识别。一种方法是利用两种模型分别建模；另一种是将两种模型整合到一起做联合建模型。意图识别基本上是文本分类，而槽填充基本上是序列标注。本方法是基于文章《Attention-Based Recurrent Neural Network Models for Joint Intent Detection and Slot Fill
转载
2024-01-17 15:12:58
151阅读
一、简介随着人机交互越来越普遍，设备需要理解用户下达的各种指令，方便用户的操作。助手类意图识别能够利用机器学习技术，对用户发送给设备的文本消息进行语义分析和意图识别，进而衍生出各种智能的应用场景，使设备更智慧、更智能。助手类意图识别当前只支持中文语境。助手类意图识别文本限制在 50 个字符以内，超过字数将返回参数错误。文本要求 UTF-8 格式，如果格式错误不会引发报错，但将导致分析结果不正确。E
转载
2024-02-09 21:28:06
238阅读
隐式意图: 不知道将要跳转的是哪一个类, 无法引用到类. 只知道其动作(action), 类型(mimeType)和附加信息. * 原理：开启目标activity，系统去清单文件匹配，如果匹配成功则开启activity；如果匹配失败则抛出没有找到这个activity的异常 * 缺点：效率低，代码数据
原创
2021-08-13 10:21:43
552阅读
一、意图识别应用领域1、搜索引擎
2、对话系统：基于意图识别了解用户想要什么 业务 或者 闲聊，并采用不用的子模型来处理
1.1 闲聊
技术：闲聊机器人需要有较高的召回率，因此常常用：seq2seq + attention / transformer / bert ....
1.2 基于业务，例如 电商、买票、查询天气
转载
2024-01-12 00:32:05
205阅读
Intent的主要作用：1. 激活系统组件，例如激活Activity，激活Service……2. 在组件之间传递数据，例如putExtra()与get???Extr()这里补充一下，如果传输的内容是对象，则需要将对象序列化，即将对象实现Parcelable（序列化）接口，这样传输时才不会报错，下面简单插入一下实现Parcelable接口的步骤：Par
原创
2016-08-07 18:52:45
899阅读
Intent 意图 显式意图 在构造Intent对象的时候就指定接受者。通常用于本程序之间。 Demo 我们最常见一个显示意图就是我们的应用程序Activity之间的跳转 隐式意图 在构造的Intent时候我们可能并不知道或者不关心接受者时候是谁，而是通过一组特定的筛选条件来由系统自动筛选符合条件的
原创
2021-07-31 22:52:35
329阅读
