其他分享
首页 > 其他分享> > 解读:【美团】智能客服实践

解读:【美团】智能客服实践

作者:互联网

1. 智能机器人 — 多轮对话

在这里插入图片描述
我们可以看到,其多轮对话分为问题理解、对话管理、对话引导以及答案生成。其中答案生成其实是预先配置好的。

1.1 问题(意图)理解

通常再意图理解上,会用分类模型。但是美团业务比较复杂,可能会经常新增意图,所以作者这里采用了QQ(用户query-相似问)匹配模型的方案:
在这里插入图片描述
模型经过不断优化,最终方案是用预训练的roberta(而且能进行在线学习),对不同业务域进行多任务学习。特征上,还是加入了相似问所对应意图文本以及答案文本。

1.2 Task内调度

预测到了一个意图,意图内部的对话管理,都是有Task-flow人工配置的:
在这里插入图片描述
这失去了对话管理的泛化能力,但是业务同学可以方便自主随时进行配置。这样就将算法工作和业务逻辑进行了解耦。百度的智能对话平台UNIT, 阿里云的对话工厂都是这样的解决方案。

算法在这里的工作又简化成了语义匹配的任务:
在这里插入图片描述
上图的3个不同选项,对应着Taskflow中某节点的3个不同的下游分支。有模型语义匹配判断走哪个分支。

1.3 Task间调度——多轮对话引导

会话中用户通常会咨询多个问题。如何进行Task间的调度?作者利用了itemCF进行建立事件图谱:
在这里插入图片描述
其实这也可以用序列预测类模型来实现。
说是对话管理,其实产品形态上更加像是“关联问题推荐”:
在这里插入图片描述

1.4 多轮对话——意图澄清

在进行意图理解之前,需要先明确业务域。比如说,用户说“我要退款”,这可能是“外卖”业务,也可能是“团购”业务。不同的业务对应的回答是不同的。
作者的方案是先通过领域分类模型(一级模型)识别。不明确时,就会利用排序模型(二级模型)提供业务列表,让用户自行选择来澄清:
在这里插入图片描述
同样的,虽然说是对话管理,但产品形态就像是“业务领域推荐”,==| :
在这里插入图片描述

1.5 问题推荐

进入服务门户时(即还没说话),推荐用户最可能想问的问题, 引导用户精准表达需求:
在这里插入图片描述
作者这里采用了ESSM多任务排序模型,来建模CT(点击)-CVR(解决)模型:
在这里插入图片描述

1.6 答案供给

我理解,上述的一些功能是针对平台客服的。但是对于用户对于一些商家的咨询,特别是商家没有IM客服资源的场景下,如何满足用户咨询的诉求呢?这里作者介绍的比较粗略,但我理解,如果想做好应该是一项大工程。

2. 人工辅助

2.1 话术推荐

减轻坐席/商家在与用户沟通过程中,重复性话术输入的费力程度。
通过记忆每个坐席及其技能组、商户及其同品类商家的历史聊天话术,根据当前输入及上下文,预测接下来可能的回复话术,供坐席选择。 推荐时机:
①用户发来消息
②坐席自己发送了一条消息
在这里插入图片描述
这块美团做的还是比较粗,直接从对话日志里面挖回复。在业界其实会做更精细的知识库、优秀话术库等,作为物料进行推荐。

2.2 会话摘要

客服结束一通咨询后,需进行背景、诉求、处理结果的填写。智能的会话摘要,可以提升客服坐席工作效率,改善其办公体验。作者的方案进行了如下的演进:
在这里插入图片描述
效果如下:
在这里插入图片描述
在这里插入图片描述
我理解,在这个业务场景下,其实用抽取式摘要是不太合理的。抽取式摘要适用于新闻摘要的场景,但是对话摘要的摘要和原文的文本表达方式是大相径庭的。还有相比单纯的文本摘要,对话摘要更加合适结合半结构化模板来做。因为客服咨询对话核心要点是固定的,如:背景、诉求、处理结果等。而且,这样的摘要更适用于客服后续跟进时进行查阅

3. 小结

上述介绍的功能在美团已经平台产品化了——搞了个对话平台“摩西”。大图如下:
在这里插入图片描述

标签:客服,美团,摘要,用户,解读,意图,对话,模型
来源: https://blog.csdn.net/u011239443/article/details/121951046