王仲林，王卫民，朱乐俊

（江苏科技大学 计算机学院，江苏 镇江 212003）

0 引言

基于常见问题集（Frequently Asked Questions，FAQ）的问答模型是智能客服系统核心技术之一［1］，典型场景是：企业为了更好地服务于客户，维护着大量标准问题—标准答案对，当用户提出疑问时，服务者会根据经验和行业背景知识将用户问题映射到一个标准问题上，并返回对应的标准解答；如果当前FAQ 库中没有足够的用户咨询信息，服务者会记录用户问题并标记，准备好答案后补充到常见问题集。随着服务的持续运营，企业知识库中的历史数据规模不断增长，客服人员在成千上万条记录中寻找用户所需答案是一项重复性很高的工作，一方面十分耗费时间精力，另一方面若回答不及时容易引起客户不满。FAQ 问答模型可通过计算用户问题与标准问题之间的语义相似性，检索并返回与输入问题最相似的候选问题答案。与基于关键字的搜索引擎相比，FAQ 问答系统允许用户通过自然语言发问，能够更深刻理解专业场景中用户的意图，为其提供更为精确的答疑服务。在一定规模语料库支持下，经过良好训练的FAQ 问答模型能广泛应用各行各业，为其提供智能化的解决方案，在提高效率的同时大大降低了客服人力成本。

FAQ 问答模型的核心是文本相似度计算［2］。以往基于TF-IDF 的向量空间模型难以表征自然语言文本深层次的语义变化；基于文本特征的方法需要专家配置大量的词法句法模板；基于词向量、卷积神经网络、循环神经网络以及注意力机制的一般深度学习方法难以有效处理长依赖和多义词问题；……