意图识别思路

由于要做一个对话系统，必然要涉及到意图识别模块，所以想梳理一个意图识别的思路：

由于本人做的是一个特定领域的事情，假设以教育场景为切入点：

我们设想用户的输入语句：

比如：1.你好！ （拟人话语句）

           2.浙江语文教材是什么版本的？（问答） 

           3.我女儿想报一个数学辅导班，有什么推荐的么？（推荐类）

因为我们现在要做语意识别：

目前我的思路是这样做的：

1.搜索常用对话库，如果匹配直接输出，不做分类

2.规则过滤，比较明显的先做一层过滤，直接把通过规则能分类的直接走规则

3.无法通过规则过滤的走机器学习，模型分类

因为拟人语料和问答推荐差异较大，可以定义为两类

所以先把拟人话语句和问答推荐类分开

用的是一个CNN的文本分类方法，代码如下：

https://github.com/dennybritz/cnn-text-classification-tf

4.再把归入问答和推荐类的，分类为问答 或 推荐 两类

首先，我觉得可以先做一个句子相似度的判断，即判断输入句子和已有的句子做一个相似度，

        如果相似度在某一阈值之上，则认为用户问题就是语料库中某一问题，直接输出结果。句子相似度是tf-idf和语义相似度的一个加权平均。

         如果相似度在某一阈值之下，则二度采用CNN实现的分本分类