豆瓣作为中国最大的社区之一，有着很庞大的用户基础。用户可以在豆瓣上对电影、图书做出评价、写出自己观点，而且这些观点也极大影响着后续人们对产品的购买。由于用户基数庞大，对于一些畅销书、电影的评论非常之多，为了能够在短时间内对这些评论有个了解，我们希望可以搭建一个比较完善的情感分析系统，能够针对每一个人的评论直接给出具体的情感。 这个项目实际上是情感分析项目，也属于经典的文本分类一种。虽然情感分析已经经历了很长的一段时间探索，但目前从工业界应用来看仍然是可落地的最值得去做的项目。通过完成这个项目，你将会有机会掌握中文分词、分布式表示、词向量、BERT的使用、句子向量等很多核心技术。 另外，情感分析的场景也很多，比如一个公司想做公关，所以希望时刻监控舆论的影响；一些基金公司通过市场上的舆情来判断股市的未来走势；美国大选希时望通过影响舆情来获得胜选；一家公司通过舆情分析来找出自己产品的缺点并做以改进。 除此之外，由于情感分析是文本分类项目，所以完成此项目之后也会知道如何去解决各种文本分类问题如新闻主题分类、垃圾邮件分类、意图分类等，可达到举一反三的效果。

智能客服系统目前到处可见，已不再是新鲜的东西了。智能客服系统主要的职责是帮助公司提升工作效率、为企业降低人力成本。同时，由于智能客服系统可以24小时工作，用户也可以得到及时的答复。对于智能客服机器人有几种常见的技术解决方案，比如采用FAQ式的、多轮对话式的或者是生成式的。 在工业界场景中，目前用得最多的框架仍然是FAQ式的问答系统，在本项目中，我们也会采用这种方式来搭建问答系统。 在这个项目中，我们需要基于数十万的FAQ对话数据来搭建一个智能客服系统，主要用到的技术框架为检索式。在项目中，涉及到的技术包括倒排表、搜索、召回、排序、相似度匹配、BERT等算法。

AI+医疗已经成为行业的热点，而且这块人才的需求量也逐步激增。在医疗领域，一项很重要的工作是病例的分析。但为了分析疾病和辅助诊断，其中有一个关键的环节 - 从这些病例和诊断报告中提取实体。医疗实体提取跟常规的实体提取（如人、地名）又完全不一样，因为专业性很强，这种属于领域内的实体提取，增加了算法设计难度。 在这个项目中，我们会根据历史数据来搭建医疗实体识别程序。在识别过程中，我们也会结合医疗词库。整个项目将会使用CRF模型，但会涉及到很多特征工程相关的工作。

对话系统一般可分为基于任务的对话系统和基于闲聊的对话系统。其中前者的目的是为了解决特定的任务，后者的目的则是闲聊。虽然很多工业界应用主要专注在任务导向型的对话系统上，但闲聊引擎也是必不可少。比如用户随意发一些消息，这时候我们可以触发闲聊引擎。所以，一般的对话系统前端都会有意图识别模块，来判断是否要把对话转给闲聊引擎还是任务引擎。 对于闲聊型对话系统，我们通常使用生成式的方法，在这个项目中也不例外。我们将使用BERT，Transformer等技术来搭建闲聊引擎。

最近几年知识图谱已然成为AI的关键技术，也可以看到它在金融、医疗等领域中的落地。对于知识图谱来说一个重要的落地场景是问答系统，在这里我们可以把知识图谱看作是“数据库”，并在此库中查询用户想要的答案（答案通常为实体）。 基于KG的问题系统一般包含几个步骤，首先我们需要从用户的问句中提取一些关键信息如实体，以及他们之间的关系， 之后需要把这些关键信息组成成知识图谱可识别的语句（比如sql)， 然后对库进行查询。 最后把结果再包装成一个完整的句子或者段落。 在这个项目中，我们来搭建医疗领域的问答系统，用到的知识图谱也是医疗领域的图谱。在这个项目中会涉及到很多信息抽取和知识图谱相关的技术。