[发明专利]智能机器人交互系统在投融资领域的应用

说明书

技术领域

本发明属于智能机器人技术领域，尤其涉及一种智能机器人交互系统在投融资领域的应用。

背景技术

中文分词指的是将一个汉字序列切分成一个一个单独的词。在英文的行文中，单词之间是以空格作为自然分界符的，而中文只是字、句和段能通过明显的分界符来简单划界，唯独词没有一个形式上的分界符，虽然英文也同样存在短语的划分问题，不过在词这一层上，中文比之英文要复杂的多、困难的多。对于所有的智能聊天机器人，简单地说，就是基于人工智能原理、通过对聊天文本进行分析后给出应答的一类程序。世界上最早的聊天机器人诞生于20世纪80年代，而由于中文对“词”划分的模糊及歧义繁多等等原因，中文聊天机器人发展得相对较慢。

现有存在的中文分词技术，是由于中文在基本文法上有其特殊性，具体表现在：与英文为代表的拉丁语系语言相比，英文以空格作为天然的分隔符，而中文由于继承自古代汉语的传统，词语之间没有分隔，古代汉语中除了连绵词和人名地名等，词通常就是单个汉字，所以当时没有分词书写的必要，而现代汉语中双字或多字词居多，一个字不再等同于一个词。在中文里，“词”和“词组”边界模糊。现代汉语的基本表达单元虽然为“词”，且以双字或者多字词居多，但由于人们认识水平的不同，对词和短语的边界很难去区分。例如：“对随地吐痰者给予处罚”，“随地吐痰者”本身是一个词还是一个短语，不同的人会有不同的标准，同样的“海上”“酒厂”等等，即使是同一个人也可能做出不同判断，如果汉语真的要分词书写，必然会出现混乱，难度很大。

中文分词对于智能聊天机器人来说，最重要的并不是找到所有结果，因为在上千万的应答库中找到所有结果没有太多的意义，最重要的是把最相关的结果排在最前面，这也称为相关度排序。中文分词的准确与否，常常直接影响到对搜索结果的相关度排序。从定性分析来说，智能聊天机器人的分词算法不同，词库的不同都会影响应答库的返回结果。在中文分词过程中，有两大难题一直没有完全突破。

第一个问题是歧义识别：主要的歧义有两种：交集型歧义和组合型歧义，例如：表面的，因为“表面”和“面的”都是词，那么这个短语就可以分成“表面的”和“表面的”。这种称为交集型歧义(交叉歧义)。像这种交集型歧义十分常见，前面举的“和服”的例子，其实就是因 为交集型歧义引起的错误。“化妆和服装”可以分成“化妆和服装”或者“化妆和服装”。由于没有人的知识去理解，计算机很难知道到底哪个方案正确。

交集型歧义相对组合型歧义来说是还算比较容易处理，组合型歧义就必须根据整个句子来判断了。例如，在句子“这个门把手坏了”中，“把手”是个词，但在句子“请把手拿开”中，“把手”就不是一个词；在句子“将军任命了一名中将”中，“中将”是个词，但在句子“产量三年中将增长两倍”中，“中将”就不再是词。这些词计算机又如何去识别？

如果交集型歧义和组合型歧义计算机都能解决的话，在歧义中还有一个难题，是真歧义。真歧义意思是给出一句话，由人去判断也不知道哪个应该是词，哪个应该不是词。例如：“乒乓球拍卖完了”，可以切分成“乒乓球拍卖完了”、也可切分成“乒乓球拍卖完了”，如果没有上下文其他的句子，恐怕谁也不知道“拍卖”在这里算不算一个词。

第二个问题是新词识别：命名实体(人名、地名)、新词，专业术语称为未登录词。也就是那些在分词词典中没有收录，但又确实能称为词的那些词。最典型的是人名，人可以很容易理解。句子“王军虎去广州了”中，“王军虎”是个词，因为是一个人的名字，但要是让计算机去识别就困难了。如果把“王军虎”做为一个词收录到字典中去，全世界有那么多名字，而且每时每刻都有新增的人名，收录这些人名本身就是一项既不划算又巨大的工程。即使这项工作可以完成，还是会存在问题，例如：在句子“王军虎头虎脑的”中，“王军虎”还能不能算词？

除了人名以外，还有机构名、地名、产品名、商标名、简称、省略语等都是很难处理的问题，而且这些又正好是人们经常使用的词，因此对于搜索引擎来说，分词系统中的新词识别十分重要。新词识别准确率已经成为评价一个分词系统好坏的重要标志之一。如何解决让电脑理解句中的语义成为现阶段中文人工智能的难题。

发明内容

为了克服上述现有技术的不足，本发明的目的是提供一种智能机器人交互系统在投融资领域的应用，可以很好的解决中文聊天中的问题，同时利用大数据自训练学习功能不断提高应答匹配度，能很好的达成聊天客服的基本功能。

为了实现上述目的，本发明采用如下技术方案：

一种智能机器人交互系统在投融资领域的应用，其特征在于该系统的功能及业务处理步骤为：