西安猫网

您现在的位置是:首页>客服电话

客服电话

若何搭建一个智能 *** :从NLP到多轮对话与多流程设想

西安猫网2021-06-20 11:22:08客服电话123来源:热门行业资讯网

对话式人工智能产物越来越常见,从Siri到德律风 *** ,不知不觉中它们已在你身边寻觅了一个位置。笔者的产物是一款去年上线的 *** 机器人,简单聊聊从0到1的经历。

若何搭建一个智能客服:从NLP到多轮对话与多流程设想 客服电话

从交互形式来划分,智能 *** 包罗纯语音(如天猫精灵),纯文本(如小冰),纯可视化界面(如一些电商的 *** ,完全通过界面交互来完成对话),语音+可视化界面(如Siri等手机助手)。交互形式没有好坏,那一点同非AI产物一样,按照用户利用场景选择最适宜的形式即可。

从产物定义动身,智能 *** 类产物,更底子的价值在于以低成本代替人工 *** 工做中大量反复性的部门,再基于那个前提,去发掘更多贸易变现的可能性。人工 *** 的工做大致分为两种,一种是征询类的, *** 只需答复问题;另一种是申请类的, *** 要帮客户完成一些营业打点。

因而,从可实现的功用来划分,智能 *** 可分为问答式和营业打点式,再细分为单轮/多轮问答与单轮/多轮营业申请。起首什么叫单轮对话呢?

——“吃了吗您呐?”

——“吃了”

那么多轮对话的概念呢?

——“吃了吗您呐?”

——“吃了”

——“吃了什么呀”

——“老北京炸酱面”

多轮对话的另一个名字,叫做基于上下文关系的对话。单轮与多轮申请也是同理,一句话就能处理的为单轮,需要频频几次的是为多轮。

无论是问答仍是申请营业,做为一个智能 *** ,它就离不开NLP,NLP就离不开语料。

在如上的例子中,凡是的工做办法是,我们定义一个用户企图叫“吃了吗”,然后把类似的语料(吃了么?吃饭了吗?吃了没?你有没有吃饭?……)喂给机器人,之后写一些用例来测试它识此外准确率,若是识别率较低,就继续喂它语料,曲到我们对识别率满意为行。用同样的办法,我们就能够让机器人学会理解良多种用户企图了。

多说一嘴,其实那里就是机器进修中样本集与测试集的概念。样本集用来进修,测试集用来测试进修的效果。别的因为机器进修的素质仍是数学与统计,并没有实正的理解,所以进修效果十分依赖语料的量量。

曲不雅的表示是,差别的企图中,语料差别越大,识此外准确率越高。好比:“吃了吗”和“吃了没”是类似的,“吃了吗”和“看星星看月亮从诗词歌赋谈到人生哲学”是不类似的。那么后者做为两种企图去做识别,就是容易分隔的,而前者两个说法过于附近,可能会得到很差的识别成果。所以训练师需要领会根本的机器进修原理,才气够查抄和调整样本集的量量。

如今我们的机器人已经可以听懂一些人话了,下一步只要定义好回复的内容,好比给“吃了吗”回复“吃了”,给“睡了吗”回复“没睡”,再把那些需求交给心爱的开发同窗,一个撑持单轮问答的机器人就完成了!(好的那是做一个PM最愉快的时刻了)

多轮对话设想的素质,是定义场景和将多个单轮对话停止组合。关于前面提到的例子来说,在“吃了”后面问“吃了什么呀”是一般的连系语境的问法,而离开语境问那一句的话,就会让听者感应猜疑。所以那部门的需求是如许写:

当用户表达“吃了吗”的企图,机器人应回复“吃了”;

当用户上一个表达是“吃了吗”and机器人回复是“吃了”and用户那一个表达是“吃了什么呀”,机器人应回复“老北京炸酱面”;

当用户上一个表达是“睡了吗”and机器人回复是“没睡”and用户那一个表达是“吃了什么呀”,机器人应回复“亲您想问什么呢?”

再次把需求交给开发,我们就得到了一个撑持两轮对话的机器人。若是需要增加轮次或新的场景,那么在此根底上添加响应的逻辑即可。

再说到营业打点,素质是在问答的根底上增加与用户相关的数据交互,好比当用户说“帮我订个车去人民广场”。那么机器人应该回复“好的”的同时,拿用户的手机号和“人民广场”等信息去完成订车那一操做。

大部门时候,营业打点和多轮对话是穿插的,好比订车的场景下,机器人可能需要再问一下什么时间动身,对车辆能否有要求,那么那至少要用三轮对话来完成。

讲完了根本框架,再说说落地。在现实的需求阐发过程中,我们需要领会营业布景,领会营业规则下人工 *** 的工做内容。从此中归纳出最末用户一般有哪些需求,他们会问什么,怎么问,抽取出用户企图,按照反复性高的对话流程做对应的轮次设想。

假设我们做的是信誉卡 *** 机器人,那么用户企图很可能有“手续费怎么算”“过期了有什么影响”,下一句用户则可能会继续问,“那我还上了还影响吗”。

那此中需要思虑的点良多,原则包罗但不限于:

领会营业规则,领会最末用户的需求;抽取企图时留意差别化,企图过于接近会给后期的识别成果带来费事;从用户记录中提取语料时要留意挑选,高量量的语料是高识别率的前提;设想轮次时要跟企图一路考虑,不克不及基于无法识此外企图做设想;以及有一个非分特别需要留意的处所是,对话式智能产物与其他产物的差别在于,用户的表达是不受限的。它不像通俗的产物,一个页面上若是只要一个按钮,那么用户就不成能有第二个操做。而对话中,用户可能会讲任何工具,例如我的小机器人已经被问了若干次,“你的爸爸妈妈是谁呀”。

所以在设想流程时,需要考虑用户不按一般流程走完的可能性,也要在设想回复时,尽可能引导用户往本身想要的标的目的去做表达,底子原则是收敛而非发散。

本文由 @一个圆圈儿 原创发布于人人都是产物司理。未经答应,制止转载

题图来自Unsplash,基于CC0协议

发表评论

评论列表(0人评论 , 123人围观)
☹还没有评论,来说两句吧...