快速构建简单问答系统，第 2 部分： 生成并部署文本分析引擎

要想使一个系统具有智能问答功能，至少要解决两个问题：一是要理解问题，二是要理解消化已有的知识. 本文将提供类似问题地一种解决方案，帮助读者从自然语言处理这一方面更好地认识沃森. 作为了解沃森的一个窗口，本文介绍了 IBM 企业级搜索和文本分析引擎 IBM Content Analytics 怎样同 LanguageWare Resource Workbench 集成，包括怎样客户化注解器，怎样部署文本分析引擎，最终实现了一个简单的问答系统.

企业内问答系统的构建和知识积累将是后续我重点考虑的一个问题，研究了几个开源的问答平台后，由于偏软件研发类，所以选择了OSQA这款开源产品，OSQA非常类似国外著名的技术问答网站 http://stackoverflow.com，虽然有些功能还比较弱，但是基本可以满足企业内部问答需求. OSQA开源软件可以直接到网站 http://bitnami.org/stack/osqa 下载可安装包，安装过程也很简单基本不需要太多的人为干预，安装完成后经过简单的配置基本就可以使用.

近年来，随着人工智能技术的发展，人机对话技术得到越来越多的关注，人机对话产品也不断涌现. 其中，智能客服作为人机对话的一个典型场景表现出极大的商业潜力和很强的研究价值，各企业也争先恐后的推出自己的智能客服产品. FAQ 问答技术作为智能客服系统最核心技术之一，在智能客服系统中发挥重要作用. 通过该技术，可实现在知识库中快速找到与用户问题相匹配的问答，为用户提供满意的答案，从而极大提升客服人员效率，改善客服人员服务化水平，降低企业客服成本.

OSQA是一款免费且开源的问答系统，采用Python的Django开发框架，基于中国优秀的问答系统CNProg，非常类似国外著名的技术问答网站http://stackoverflow.com. 推荐 4 款高仿 StackOverflow 的问答系统 发布于 4年前. zheye.org (中文翻译者也，对应知乎）是一个用 Ruby on Rails 框架开发的开源问答系统.

自从lijian大哥的Rweibo包问世以来，便成了R爱好者们获取新浪微博数据的最为重要的工具. 在该包的中文主页上，作者对如何连接新浪微博的API，获取授权，并以此为基础开发应用的原理讲解的非常清楚. 对于我这种连基本的网页开发神马原理都一点也不清楚的菜鸟来说，Rweibo是一种非常趁手的获取微博数据的工具.

《一揽子高效文本分类技巧》论文阅读. 计算字符串相似度在机器学习领域是一个非常基本的操作，主要用在信息检索，自然语言处理，生物信息学等领域. 本算法支持Levenshtein Distance，Longest Common SubString，String Subsequence Kernel，Cosine，simhash_hamming五种相似度计算方式.

基于电影知识图谱的智能问答系统系列章节传送门：. 基于电影知识图谱的智能问答系统（一） -- Mysql数据准备. 基于电影知识图谱的智能问答系统（二） -- Neo4j导入CSV文件. 基于电影知识图谱的智能问答系统（三） -- Spark环境搭建. 基于电影知识图谱的智能问答系统（四） -- HanLP分词器.

作者：人人网UGC团队成员 刘威 人人网UGC团队博客. 面对人人网海量的UGC，数据挖掘工作势在必行，能把用户最想要的信息推荐出来，是我们正在研究的课题之一. 在推荐系统中，分类器是个非常重要的部分. 分类器的研究重点落在两个方面，一方面是文本关键词的提取，一方面是对已有关键词或标签的文本进行训练分类.

英文原文： 10 text, sentiment, and social analytics trends for 2016. 文本分析、情感分析和社交分析帮助你在一定规模上转化成客户、病人、公众以及市场的“声音”. 这项技术目前大量地应用于一系列的工业产品中，从医疗健康到金融、媒体、甚至客户市场.

本文就如何利用火山引擎云数据库 PostgreSQL 版和大语言模型技术（Large Language Model，简称 LLM），实现企业级智能交互式问答系统进行介绍. 通过本文，你将会了解交互式问答系统的原理，学习 PostgreSQL 的向量化存储和检索技术，以及大语言模型交互技术等. 在大数据的浪潮下，众多企业建立了自己的知识库，以便于信息检索和知识查询.