打造面向金融場景的中文自然語言理解引擎

摘要

自然語言理解(NLU)為建構問答系統的核心。要讓智慧代理人能夠以對話的方式來協助人類完成各式各樣目標， 就需要一個具有意圖及實體識別能力的自然語言理解引擎。

在這次演講中，講者將以一個後端工程師初次踏入自然語言處理領域的姿態，介紹實作NLU模組所需要使用的NLP技術與相對應機器學習的方法，接著分享基於RasaNLU開源專案來達成目標的過程與採用此方案的優點。

最後，除了透過統計來驗證模型能力以外，也搭配Rasa Core建構一個智慧型對話代理人，跟市面上應用在金融場景的智慧客服做個比較。

說明

演講內容主要與聽眾分享如何利用機器學習的方法來土炮一個NLU系統，從了解專案需求、提出方法、驗證可行性，並快速製作產品原型的過程。 * 內容觸及： * 針對一個機器學習的問題提出解決方法 * 利用NLP技巧應用於機器學習演算法 * 比較不同NLP工具與演算法的效果 * 如何導入合適的第三方資源來加速開發 * 技術細節： 目前利用[Sinica CKIP的斷詞與詞性標記工具](http://ckipsvr.iis.sinica.edu.tw/ckipws/reg.php)創建一個客製化元件嵌入於[RasaNLU](https://github.com/RasaHQ/rasa_nlu)RasaNLU框架中，並利用Flask打包成微服務，透過CI/CD打包Docker Image，部署於AWS EKS做為展示原型。

投影片

https://www.slideshare.net/HaoYuanChen/ss-174107004

講者

陳皓遠

熱愛利用數據、程式、演算法來解決問題的 Python Developer。

目前任職於中國信託商業銀行數據研究發展中心，協助金融機構面對數位轉型下的挑戰。