https://github.com/milvus-io/milvus
问答系统是自然语言处理领域一个很经典的问题，它用于回答人们以自然语言形式提出的问题，有着广泛的应用。其经典应用场景包括：智能语音交互、在线客服、知识获取、情感类聊天等。常见的分类有：生成型、检索型问答系统；单轮问答、多轮问答系统；面向开放领域、特定领域的问答系统。本文涉及的主要是在检索型、面向特定领域的问答系统，通常称之为——智能客服机器人。
在过去，客服机器人的搭建通常需要将相关领域的知识（Domain Knowledge），转化为一系列的规则和知识图谱。构建过程中重度依赖“人工”智能，换个场景，换个用户都需要大量的重复劳动。
随着深度学习在自然语言处理（NLP）中的应用，机器阅读可以直接自动从文档中找到匹配问题的答案。深度语言模型会将问题和文档转化为语义向量，从而找到最后的匹配答案。本文借助Google开源的Bert模型结合Milvus开源向量搜索引擎，快速搭建基于语义理解的对话机器人。
| 整体架构
本文通过语义相似度匹配来实现一个问答系统，大致的构建过程：
- 获取某一特定领域里大量的带有答案的中文问题（本文将之称为标准问题集）。
- 使用Bert模型将这些问题转化为特征向量存储在Milvus中，同时Milvus将 给这些特征向量分配一个向量ID。
- 将这些代表问题的ID和其对应的答案存储在PostgreSQL中。
当用户提出一个问题时：
- 通过Bert模型将之转化为特征向量
- 在Milvus中对特征向量做相似度检索，得到与该问题最相似的标准问题的id
- 在PostgreSQL得出对应的答案。
系统架构图如下（蓝色线是导入过程，黄色线是查询过程）：
接下来，将手把手教您搭建一个在线问答系统。
| 搭建步骤
在搭建之前您需要安装Milvus、Postgresql，具体安装步骤请参考官网。
1.数据准备
本文中的实验数据来自：https://github.com/SophonPlus/ChineseNlpCorpus。
该项目下的FAQ问答系统中的金融数据集，我们从中一共整理了33万条数据。结合这组数据，我们可以快速搭建一个xx银行智能客服机器人。
2.生成特征向量
本系统使用了Bert已预训练好的一个模型。在启动服务前，需要下载该模型：https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip
使用该模型将问题库转化为特征向量，以用于后续的相似度检索。更多bert服务相关可参考：https://github.com/hanxiao/bert-as-service
3.导入Milvus和PostgreSQL
将上述产生的特征向量归一化处理后导入Milvus中存储，然后j将Milvus返回的id以及该id对应的问题的答案导入PostgreSQL中。PostgreSQL中的表结构：
4.获取答案
用户输入一个问题，通过Bert产生特征向量后，在Milvus库中找出与之最相似的一个问题。本文采用的余弦距离来表示两个句子间的相似度，由于所有向量都进行了归一化，因此两个特征向量的余弦距离越接近1表示相似度也高越高。库中可能没有与用户给定问题比较相似的问题，所以在实践中我们可以设定了一个阈值0.9，当检索出来的最相似的距离小于该阈值时，则返回本系统未收录相关问题的提示。
| 系统演示
系统初始界面如下：
在对话框中输入你的问题，将会收到对应的答案。如图：
| 总结
上述的问答系统搭建是不是很简单？有Bert模型的加持，你根本不需要预先对语料进行分类整理、标签化等工作。同时，得益于开源向量搜索引擎Milvus的高性能和可扩展性，系统可以支撑上亿级别的语料库。Milvus向量搜索引擎已经加入Linux AI (LF AI)基金会进行孵化，欢迎大家加入Milvus社区。让我们一起加速AI技术的大规模落地。
来源：oschina
链接：https://my.oschina.net/u/4209276/blog/3276081