首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

【实践】HMM模型在贝壳对话系统中的应用

对话系统是一个庞大的系统,涉及的问题很多,本文主要讲解隐马尔可夫模型(Hidden Markov Model,HMM)在对话管理(Dialog Management,DM)中的应用。DM在对话系统中的作用是维护对话状态并根据当前对话状态选择下一步合适的动作。 在贝壳找房APP中,客户和经纪人的对话过程可以看作是一个时间序列。在对话过程中,经纪人需要基于当前的对话状态对客户的消息作出合适的回应,即选择合适的动作。因此,经纪人的动作决策是一个基于时间序列的问题。而HMM模型是比较经典的解决序列问题的机器学习模型,所以,在DM的动作决策问题上首先尝试了HMM模型。本文将结合实际案例从理论推导、模型构建、实验分析三个方面对HMM模型在DM中的应用进行详细解析。

01
您找到你想要的搜索结果了吗?
是的
没有找到

UPS宣布加入货运区块链联盟 价值万亿的物流行业未来将无纸化?

世界是由商业推动的。仅美国的货运和物流每年就有将近1.5万亿美元的流通(根据2015年的数据)。 随着世界经济规模的扩大,随着人们对国际商品和服务的依赖程度越来越高,这个数字只会增加。 然而,该行业并没有为经济增长做好准备,因为其基础设施正摇摇欲坠,容易出现系统性的低效率和猖獗的欺诈行为。无数的中介机构都在收取费用并抬高运费。 问题在于,这一过程的复杂性和不透明性使得人们很难将制约和平衡放在适当的位置。 美国联邦调查局(FBI)估计,美国的货物失窃每年造成约300亿美元的损失,平均盗窃价值为19万美元。

09
领券