NLP聊天机器人场景下用户否定/有效内容回复检测技术咨询

这个场景完全可以用基于规则的分类器落地，不需要标注训练数据，全程只依赖用户输入文本，不需要按钮交互，在限定对话语境下准确率可以达到95%以上，足够满足生产环境的对话流程需求。

核心判定逻辑 #

分类优先级遵循「先拦截否定无内容回复，剩余全部归为有效内容」的原则，不需要提前做有效信息抽取，能最大程度降低漏判有效信息的概率。

否定无内容类的匹配规则（按优先级从高到低） #

• 前置文本清洗：先把用户输入里的标点、表情、语气助词、重复叠字统一处理，比如“没没没有啦😆”“害，没啥咯”这类表述，清洗后只保留核心语义字符，减少匹配工作量。
• 转折词优先校验：如果清洗后的文本里包含还有、对了、等等、另外、补充下这类表补充说明的转折词，无论前面有没有否定表述，直接判定为有效内容类，避免把“没了哦对了，外观也很好看”这类带补充的回复误判成无内容。
• 纯否定表述匹配：清洗后的文本长度较短（通常不超过6个汉字），且命中常用否定核心词表，就判定为否定无内容类。核心词表可以覆盖日常口语的否定表述，包括但不限于：没、没有、无、没了、没啥、木有、莫得、就这些、差不多了、想不到了、暂时没了、没别的、没其他的。
• 无新内容指代匹配：如果文本核心语义是指代之前已经说过的内容，没有出现新的描述性词汇，比如“就刚才说的那些”“没别的要讲的”，也归为否定无内容类。

可直接复用的简易实现逻辑 #

import re

# 文本预处理函数
def text_clean(raw_text):
    # 移除所有标点、特殊符号、表情、多余空白
    clean_text = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9]', '', raw_text)
    # 合并重复叠字，比如"没没没"统一处理为"没"
    clean_text = re.sub(r'(.)\1+', r'\1', clean_text)
    return clean_text

# 词表配置
NEGATION_WORDS = {'没', '没有', '无', '没啥', '木有', '莫得', '就这些', '差不多', '想不到', '没别的'}
TRANSITION_WORDS = {'还有', '对了', '等等', '另外', '哦不对', '补充下'}

def reply_classify(user_input):
    processed_text = text_clean(user_input)
    # 先匹配转折补充词，命中直接归为有效内容
    for word in TRANSITION_WORDS:
        if word in processed_text:
            return "有效内容类"
    # 再匹配短文本纯否定表述
    for word in NEGATION_WORDS:
        if word in processed_text and len(processed_text) <= len(word) + 2:
            return "否定无内容类"
    # 其余所有输入全部归为有效内容类
    return "有效内容类"

迭代优化方法 #

上线初期你可以收集100-200条真实用户回复，把误判、漏判的口语化表述补充到对应词表里，迭代2-3次就能覆盖绝大多数日常对话场景，不需要引入机器学习模型。

内容的提问来源于stack exchange，提问作者Andrew Brown