其他分享
首页 > 其他分享> > 智能客服技术架构

智能客服技术架构

作者:互联网

 随着人工智能、移动互联网、大数据的飞速发展,加上新媒体平台的日渐凸起,多渠道接入、时刻接入、多量接入的客服咨询已经成为常态。对于本身就已经是饱和状态的传统客服来说,无疑是雪上加霜。而智能客服机器人的出现,给客服行业带来了希望的曙光,也给客服行业的变革注入了新力量。

智能客服系统的技术架构:

1、基于知识库回答的智能客服系统

基于知识库回答的智能客服系统,使用的检索或者分类模型来实现的。
  检索式回答的流程是:
  首先对用户的输入问题做处理,如分词、抽取关键词、同义词扩展、计算句子向量等;
  然后基于处理结果在知识库中做检索匹配,例如利用BM25、TF-IDF或者向量相似度等匹配出一个问题集合,这类似推荐系统中的召回过程;
  由于我们是一个问答系统,最终是直接返回给用户一个答案,因此需要从问题集合中挑出最相似的那个问题,这里会对问题集合做重排序,例如利用规则、机器学习或者深度学习模型做排序,每个问题会被打上一个分值,最终挑选出top1,将这个问题对应的答案返回给用户,这就完成了一次对话流程。
  在实际应用中,我们还会设置阈值来保证回答的准确性,若最终每个问题的得分低于阈值,会将头部的几个问题以列表的形式返回给用户,最终用户可以选择他想问的问题,进而得到具体的答案。

2、基于槽位填充的多轮对话系统

任务型技能:在问答型技能的基础上,增加槽位、API(接口)调用等高级功能,可以通过配置,来实现用户查询信息、问题搜索或者其他功能。
  了解该系统我们先熟悉一下几个名词的释义:
  (1)意图
  机器人与人的聊天,大体上可以分为“闲聊”和“有具体意图的聊天”二种类型。
  “闲聊型”机器人根据“听”到的语句做出对应的反应,因为话题天南海北没有限制,所有设计者需要处理各种各样可能的对话。闲聊型机器目前主要应用在娱乐、陪伴、接待等领域。
  在实际生产环境中,用的更多的是“意图型”机器人。这类机器人首先会通过引导语来引导客户说出想要办理的事务。由于客户的说法五花八门,这时,设计者就需要为“意图”罗列各种“说法”。只要用户的“说法”满足了预先定义的规则,就认为客户的说法命中这个“意图”。
  举个例子,机器人会先说出欢迎词,然后提示客户:“您可以查询天气或者查询航班”。这时客户可能会说“我想查一下长沙的天气”,也可能会说“看一下明天的天气怎么样?”,机器人都认为客户的意图是“查天气”。
  知道了客户的意图后,就需要用“填槽”技术来收集处理这个“意图”所需要的信息项(称之为“槽位”)。
  还是以“查天气”这个意图为例,通常情况下,我们至少需要知道时间和城市,所以就有了“时间”、“城市”二个槽位需要填充。如果用户问话是“我想查一下长沙的天气”,这时“城市”槽位已经填充,但是缺少“时间”信息。这时我们就可以用到填槽中的“反问”技术,询问“您想查询哪一天的天气?”,从而引导客户提供时间信息。
  使用“意图”和“填槽”技术,就能够有针对性地收集所需要的信息,以便完成下一步的操作,最终实现查询、咨询、下单等类型的机器人服务任务。
  当然,一个完整的电话机器人,需要用到电话交换、语音识别、语音合成、话术交互等多方面的技术。如果不想专注那么多细节,集成商也可以直接使用中间层产品,例如朗深电话AI中间件等,这些产品都提供了丰富的接口,可以帮助集成商快速将电话机器人集成到自己的业务应用。
  (2)技能
  技能是满足用户特定需求的一个应用。例如用户说“查询我的洗发水快递到哪里了”时,会进入快递查询的技能。
  (3)问答型技能
  通过Q(用户问法)和A(机器人回答)的配置,可以实现简单的用户与机器人的对话。
  任务型技能:在问答型技能的基础上,增加槽位、API(接口)调用等高级功能,可以通过配置,来实现用户查询信息、问题搜索或者其他功能。
  (4)追问
  当用户问法中没有提供该语义槽值时,机器人要对其自动发起追问。
  例如用户问:天气怎么样?我们无法获取到查询天气的地点的语义槽值,就需要机器人追问,您想获取哪里的天气信息?,追问话术一般设置多条,随机追问。
  在国内开放的bot系统中,百度UNIT和微信的对话开放平台就是应用的该技术框架。
  一个自然语言对话系统,理解的核心任务是对意图的解析和对词槽的识别。
  
  例如:订明天早上8点北京到石家庄的火车,在这个例子中,对于用户表达的一句话,它的意图是要订火车票,其中涉及的词槽包括出发地、目的地、时间。当这个时间有多趟车次的时候,就需要进行追问用户,是要订哪一个。
  以百度UNIT平台为例,搭建一个买票智能回复的流程。
  需求分析:订火车票需要知道时间、出发地、目的地
  新建一个BOT,命名为:火车票
  新建对话意图:命名订票
  添加词槽:出发时间、选择系统词槽词典,选择然后选择系统词典sys_time(时间),出发地词槽、目的地词槽,这两个都可以选择系统词典,这些都是必填项。
  设置词槽与意图关联属性,这里火车票的出发时间是订票里必须的关键信息,所以选择必填。澄清话术就是当用户表达订票需求的语句里缺少出发时间时bot主动让用户澄清的话术。还可以设置让用户澄清多少轮后放弃要求澄清,默认是3次。
  设置BOT回应,BOT回应就是当BOT识别出用户的意图和所有必填词槽值时给用户的反馈。对于订票回复一般对接API接口,实现自动生成方式。
  当然,这只是火车票中的一个场景,在火车票这个场景中还有退票、改签、查询等功能。这些都是需要我们在需求梳理中要确定的。

标签:架构,智能,客服,机器人,用户,查询,意图,词槽
来源: https://blog.csdn.net/zhangbijun1230/article/details/118379600