成都晓多科技与哥伦比亚大学合作论文被ACM收录
日前,成都晓多科技有限公司与哥伦比亚大学信息处理实验室联合发表的论文《Dynamic Updating of the Knowledge Base for a Large-Scale Question Answering System》被ACM Digital Library收录。该论文提出了一种基于深度学习的知识库问答系统自动学习方案(ALKB-QA),旨在解决电子商务领域大规模高质量应答的主要问题与挑战。
知识库问答系统的两大挑战
目前,基于知识库的问答系统在电商领域实现大规模应用时面临两大挑战:一是为数以万计的商家提供稳定的服务效果;二是知识库维护成本较高。
针对以上问题,论文提出采用深度学习方法自动构建高质量问答对,并实施知识库自动化维护,显著降低维护成本的同时提升应答准确性。
知识库问答系统的核心模块
知识库问答系统(ALKB-QA)分为离线学习模块和在线服务模块:
- 离线学习模块:设计了问答知识库(QA-KB),存储问答对及商品相关信息,支持高效检索。通过自动学习方法从海量聊天数据中挖掘并更新高质量问答对。
- 在线服务模块:结合传统信息检索技术和深度学习匹配模型,先从QA-KB中检索相关问答对作为候选答案,再通过匹配模型进行排序,最终返回最相关的答案给用户。
自动学习方案详解
自动学习方案包括以下几个步骤:
- 从海量聊天数据中提取问答对;
- 利用改良的BIMPM Ranking模型对问答对进行价值判别;
- 通过反馈训练持续优化模型效果;
- 更新知识库。
试验数据显示,使用自动学习方法筛选出的问答对准确率提升了17%,召回率提升了12.5%,综合性能指标F1提升了13.6%。
实际应用效果
将该方案应用于晓多智能客服机器人系统后,机器人在辅助客服应答时主动学习客服的回答。通过简单的“审核通过”操作即可快速更新知识库答案,极大节省了配置成本,帮助商家更高效地配置专业客服机器人。

