如何提升智能電銷機(jī)器人的語義識別準(zhǔn)確率，在金融公司中，傳統(tǒng)電話銷售占公司總銷售額的大半部分，電話銷售客服中心每天呼出幾萬通電話，話術(shù)都是有跡可循。但傳統(tǒng)的電銷客服存在流動性大，培養(yǎng)周期長，人力成本高的缺點(diǎn)，如何降低公司的成本又不減少電話銷售的份額，是每個金融公司所面臨的難題。智能電銷機(jī)器人的出現(xiàn)，讓以上傳統(tǒng)銷售難題引刃而解。不過，由于智能電銷機(jī)器人未針對金融場景進(jìn)行優(yōu)化和難以實(shí)現(xiàn)準(zhǔn)確的語義識別等原因，還難以應(yīng)用于金融領(lǐng)域。

本文提出了一種組合使用文本相似度計(jì)算與特征詞規(guī)則匹配的方法，可以提高語義識別準(zhǔn)確率，實(shí)現(xiàn)更為友好的人機(jī)對話。

傳統(tǒng)的語義識別要靠程序開發(fā)人員寫一些規(guī)則來解決語義識別問題。但是，要窮舉并制定這些規(guī)則對于開發(fā)人員來說工作量無法想象。因?yàn)樵谧匀徽Z言處理領(lǐng)域中永遠(yuǎn)有寫不完的規(guī)則，這時就需要機(jī)器人運(yùn)用自己的學(xué)習(xí)能力進(jìn)行推理。TF-IDF詞袋模型能根據(jù)詞的重要程度添加對應(yīng)權(quán)重，更符合對話語義邏輯，但會使原文檔轉(zhuǎn)換為高維的稀疏向量，為向量存儲和相似度計(jì)算帶來了很大的困難。其主要技術(shù)包含如下：

1、對電銷對話語料數(shù)據(jù)進(jìn)行清洗，刪除對話邏輯不合理的數(shù)據(jù)，刪除語音轉(zhuǎn)文本過程中識別誤差過大的數(shù)據(jù)，保留部分語音轉(zhuǎn)文本過程中的錯字，從而提高模型的抗干擾能力。

2、使用python分詞工具jieba包對清洗后的語料進(jìn)行分詞，同時刪除停用詞和低頻詞。

3、建立詞袋模型，依據(jù)TF-IDF算法計(jì)算各詞的重要程度并做加權(quán)處理。

4、使用LSI對TF-IDF詞袋模型進(jìn)行降維，剔除小的奇異值，將文檔特征空間變?yōu)槲臋n概念空間。

5、梳理電銷總體流程，提取電銷流程中的各個場景，針對不同場景設(shè)置多種意圖樣句。

6、將客戶的實(shí)時對話數(shù)據(jù)與各樣句比對（概念向量之問使用內(nèi)積的夾角余弦相似度計(jì)算比原來基于原文本向量的相似度計(jì)算更可靠），大于設(shè)置的相似度閾值即識別為該場景下的對應(yīng)意圖。

7、進(jìn)行電銷的對應(yīng)話術(shù)，完成一輪人機(jī)對話。