摘要
隨著電子商務的發展，自動問答在客服系統中扮演著相當重要的角色來降低人力。問題分類是根據答案類型為問題分配標籤，是問答系統中的任務之一。以前的方法通常使用人工定義的特徵，如命名實體識別，但它需要事前定義的字典或工具。近幾年，機器學習方法應用於該任務並得到很高的準確度。在本篇論文中，我們提出了HAEE，一種階層式自注意力增強編碼器，它由雙向閘門控制控循環單元和自注意力機制所組成。另外，我們採用字符的輸入來解決字詞未出現在字典裡的問題，並創建多個自注意力機制來模擬字符（中文）或單詞（英文）之間的關係，以增強每個字符對這句話的影響。我們利用實際的企業環境以及幾個資料集來評估HAEE模型。從實驗結果來看，在分類任務中，HAEE優於現存表現最為優異的幾個模型，特別是針對中文資料集。| 獎項日期 | 2019 |
|---|---|
| 原文 | English |
| 監督員 | Jen-Wei Huang (Supervisor) |