智能在线客服系统的功能框架和技术架构
发布时间:2021-11-09 13:02

伴随着人工智能,移动互联网的迅猛发展,再加上新媒体平台的日益凸起,多通道接入.时刻接入.多用户接入.多用户服务咨询已成为常态。对已处于饱和状态的传统客户服务而言,无疑会加剧。智能化客户服务机器人的出现,为客户服务行业带来了希望的曙光,也为客户服务行业的变革注入了新的力量。


智能在线客服系统功能结构与技术结构:


1.基于知识库回答的智能在线客服系统。

利用检索或分类模型实现基于知识库回答的智能客服系统。

该取回答案的过程为:

用户的输入问题先做处理,例如分词。抽取关键字.同义词扩展.计算句子矢量等;

接着,根据处理结果在知识库中进行检索匹配,如利用BM25.TF-IDF或向量相似度等方法,与推荐系统中的回收过程相似;


因为我们是一个问答系统,所以最终还是要直接回复给用户一个答案,所以需要从问题集合中挑选最相似的问题,并在此重新排列问题集合。比如,使用规则.机器学习或深度学习模型进行排序,每道题都要打上一个分数,最后选出top1,并将问题相应的答案返回给用户。这样,对话的过程就结束了。


实践中,我们也会设定一个门限,确保回答的准确性,当每一个问题的分数低于阈值时,都会把头的几个问题作为一个列表返回给用户,最终用户可以选择自己要问的问题,然后得到具体的答案。


2.基于空格填充的多轮对话系统。


工作能力:基于问答型技能,增加插槽.API(接口)调用等高级功能,可通过配置,实现用户查询信息.问题检索或其它功能。

对于这个系统,我们首先要熟悉一些名词的解释:


(1)意图

机器人聊天,大致可分为“闲聊”和“有意者聊天”两类。

聊天机器人会根据“听到”的陈述做出相应的回应,因为主题是天南海北的,所有设计师都需要处理各种可能的对话。目前聊天机主要用于娱乐、陪伴、接待等方面。

而在实际的生产环境中,更多地使用“意图式”机器人。这种机器人首先通过引言把顾客想要做的事情引导过来。因为顾客的说法多种多样,此时,设计人员需要罗列出“意图”的各种“陈述”。如果用户的“陈述”符合预定义规则,那么就会认为顾客的陈述会击中该“意图”。


举例来说,一个机器人将会首先发出欢迎信息,然后提示顾客:“你可以询问天气或询问航班。”此时,顾客也许会说“我要去长沙看看天气”,或者是说“看看明天的天气如何?”所有的机器人都认为顾客的意图是“查看天气”。


当了解到客户的意图之后,他们需要使用“填槽”技术来收集处理这一“意图”所需的信息(称为“沟槽”)。


或者拿“查天气”的意图来说,一般来说,我们至少要知道时间和城市,于是就有了“时间”.“城市”的两个小区域要填满。当“城槽”填满时,用户问的是“我要查询长沙天气”,而此时却缺少了“时间”信息。在这个时候,我们可以使用填槽法的“反问”技巧,询问“你想查询哪一天的天气情况?”这样就可以指导客户提供时间信息。


运用「意图」与「填槽」技巧,可以有针对性地搜集需要的资料,以完成下一步的作业,最后实现查询.咨询.下订单等机器人服务工作。


一台完整的电话机器人,需要使用到电话交换.语音识别.语音合成.语音交互等多种技术。若不想集中精力关注大量细节,集成商还可以直接使用诸如RonhydragonSyndrome中间件之类的中间层产品,这些产品提供了丰富的界面,帮助集成商迅速将电话机器人集成到他们自己的商业应用中。


(2)技能


技术是一种满足用户具体需要的应用。举例来说,用户说“查询我的洗发水快递员去哪了”,就会进入快件查询的技巧。


(3)提问能力。


利用Q(用户提问法)和A(机械答话)的配置,可以实现简单的用户与机器人的对话。

工作能力:基于问答型技能,增加插槽.API(接口)调用等高级功能,可通过配置,实现用户查询信息.问题检索或其它功能。


(4)追问


如果用户请求法中没有提供这个语义槽值,机器人就会自动地提出要求。


比如用户问:天气如何?不能获得在哪一个地方查询天气的语义槽值,需要机器人进行询问,你希望得到哪种天气信息?盘问一般设多个语音,随机询问。


而在国内开放bot系统中,百度UNIT与微信对话开放平台就是应用的这一技术框架。

在自然语言会话系统中,理解的核心任务是分析意图和识别对词槽。


比如,预定明天上午八点从北京到石家庄的火车,在这个例子中,对用户所说的一句话,其用意是订火车票,其中所涉及的词汇包括出发地点.目的地.时间。如果这段时间有多个车次,则需要询问用户,是要预订哪个。


通过百度UNIT平台的实例,构建了购票智能回复的流程。


要求分析:预订火车票需要知道时间.到达地点.目的地。


创建新的BOT,命名为:火车票。


新的会话意图:命名预订。


增加词槽:启程时间.选择系统词槽字典,然后选择系统字典sys_time(时间),发出地词槽,目的地词槽,两者都可以选择系统字典,这些都是必需的。


设定词槽与意图关联属性,这里火车票出发时间是预订机票时所必需的重要信息,因此选择必填。解释性言语是指当用户表达预订需求的语句中没有开始时间时,bot主动要求用户澄清的话术。也可设定让用户澄清几轮之后放弃请求澄清,默认是3次。


设定BOT响应,BOT响应就是在BOT确定用户的意图和所有必填槽值时,向用户反馈。针对一般订票回复API接口,实现了自动生成方式。


当然,这只是火车票上的一幕,在这一幕中,还有换票、查询等功能。在进行需求梳理时,这些都需要我们来确定。