智能客服技术架构

ゝ一纸荒年。 2022-10-11 13:44 225阅读 0赞

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。