1、聊天機(jī)器人是一個(gè)用來(lái)模擬人類對(duì)話或聊天的程序，它涉及數(shù)據(jù)挖掘領(lǐng)域的聚類、分類、答案推薦等多方面知識(shí)。在對(duì)話系統(tǒng)的知識(shí)庫(kù)構(gòu)建過(guò)程中，需結(jié)合特定業(yè)務(wù)場(chǎng)景，利用精準(zhǔn)的領(lǐng)域知識(shí)，以確定的簇?cái)?shù)目進(jìn)行聚類。而在實(shí)際應(yīng)用場(chǎng)景中，由于缺乏領(lǐng)域?qū)＜抑R(shí)，很難將語(yǔ)料庫(kù)數(shù)據(jù)進(jìn)行精確而有效的分類或聚類。
　　論文主要基于電商數(shù)據(jù)平臺(tái)，包括商品交易、基金、技術(shù)服務(wù)、在線教育等多個(gè)領(lǐng)域的10G多的千萬(wàn)級(jí)別的session；首先利用PPBD（Pre-Proce

2、ssing Business Data）算法從原始的語(yǔ)料庫(kù)（日志文件）中提取QA（問(wèn)答）二元組，然后通過(guò)分詞、去停用詞、生成詞典獲取詞向量；并利用混合聚類算法—HCKAP（Hybrid Clustering based K-means and Affinity Propagation）算法和聚類簇質(zhì)量評(píng)估算法—Agg_criterion的迭代使用過(guò)程完成知識(shí)庫(kù)的構(gòu)建，進(jìn)而利用對(duì)問(wèn)句對(duì)分類和推薦模塊構(gòu)建基于電商平臺(tái)的自動(dòng)對(duì)話系統(tǒng)。論文提出

3、的HCKAP算法以吸引子傳播算法確定聚類簇?cái)?shù)目，結(jié)合基于更適合文本聚類的EMD（Earth Mover’s Distance）距離以用于k-means聚類算法的策略。而論文提出的Agg_criterion算法，引入了聚合度函數(shù)，結(jié)合同質(zhì)性和標(biāo)準(zhǔn)互信息對(duì)HCKAP算法給出的聚類簇進(jìn)行質(zhì)量評(píng)估，通過(guò)不斷迭代完成整個(gè)聚類過(guò)程。
　　論文對(duì)問(wèn)句進(jìn)行分類中使用了基于規(guī)則和基于na?ve bayes分類的兩種分類方法；同時(shí)，對(duì)比了EMD度量方