随着人工智能行业的发展,智能客服已经成为自然语言处理技术在工程领域重要的一部分。由于智能客服能够24小时在线和有效缓解高峰期流量对人工客服的压力,因此采用智能客服和人工客服相结合的方式已经成为业界的标准配置。如何让智能客服能够精准的解决用户的需求并让用户体验到机器客服的“智能化”,是我们要不断努力追求的方向。论文提出了一个基本的智能客服系统。该系统由意图识别模块、语义匹配模块和闲聊模块三个部分组成。三个模块相辅相成,不仅能够处理用户的业务需求,并且能够与用户进行简单的闲聊对话,具备了一定“智能化”的特性。首先,为了识别用户的业务咨询需求和日常闲聊的需求,论文采用GRU网络建立了基于深度学习方法的意图识别模型。并在损失函数中加入了惩罚因子,使得模型能够更好拟合分布不均衡的数据样本。此外,在模型收敛的过程中加入了梯度裁剪和动态学习率,使得模型收敛更加稳定和迅速。其次,论文提出一种新的深度语义匹配方法,基于卷积神经网络的方法对问题进行分类,使得同类别的问题在分类器中所提取的向量特征更加的接近,最后对用户提问与问题库中的所有问题进行余弦相似度的计算来进行相似匹配。并在卷积神经网络的基础上加入了自注意力机制和类别惩罚因子,提高了对问题分类的效果,在最终的匹配模型中也取得了较好的效果。最后,论文在生成式回答模块中,采用了带有注意力机制的Seq2Seq模型。在此基础上,加入了词向量预训练模型和Batch Normalization标准化层,极大减少了模型拟合所用时间,取得了较好的效果。