遗传工程的进展
开放获取

抽象的

使用 BEERT 实现传统 AI 作为问答系统

阿尔皮塔·古普塔

对话式人工智能是指用户通过消息应用程序或虚拟助手进行的交互。通过虚拟代理或聊天机器人进行的此类通信旨在提供个性化的用户体验。聊天机器人交互由长尾消息、查询或与私人受众的双向交互驱动。对话式人工智能的真正力量在于它能够与大量客户一起提供高度个性化的交互。作为一种商业用例，对话式人工智能可以通过促进与用户的深度互动来改变传统的沟通方式。对话式人工智能的一项强大应用是问答系统。无论是虚拟助手或聊天机器人，还是任何公司设计的任何支持系统，问答模型在提供此类服务方面都发挥着至关重要的作用。自动问答系统使企业能够为其用户提供更加动态和个性化的体验。实际上，人类很难一次性回答用户提出的所有问题。如果有人想这样做，就需要更多的资源与客户互动，以解决他们在所提供的服务或产品中的问题。自动问答系统，不仅节省大量时间，而且
它是了解客户需求及其
行为的有效工具。
问答过程的总体架构是获取用户输入、查询分析、从数据库中检索信息、提取最相关的答案，然后输出所需的答案。这并不像看起来那么容易。为什么？这是由于建模过程中面临的一些挑战。在本次会议中，我们将讨论设计问答系统所面临的几个挑战，例如数据可用性、数据质量、可解释性和语言障碍。尽管已经植入了多种算法 [1] 来设计最有效的问答系统，但 BERT [2] 的表现优于所有算法。我们将讨论 Transformer [2] 算法的双向编码器表示如何帮助解决上述挑战并提供可选的解决方案。本教程将重点介绍如何使用人类最喜欢的交流工具：自然语言处理来设计问答模型。在本次会议中，我将假设熟悉自然语言处理和 Python 的基本术语。演讲的主体将重点关注用于设计问答模型的 BERT [2] 的实现、数据特征提取技术。简介：Arpita Gupta 是一名专业数据科学家，与埃森哲印度分部的 AI 细分预测分析团队合作。她负责构建人工智能解决方案、对计算机视觉和自然语言处理等不同领域的解决方案进行建模和验证。她拥有印度著名学院 BITS Pilani 的嵌入式系统硕士学位。Arpita 拥有 3 年数据科学领域的行业经验和 2 年深度学习的研究经验。她还通过她的网站“https://www.let-the-data-confess”参与分享她的知识。com/”通过网络研讨会和她的博客。她热衷于深度学习的研究进展。