国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

本篇文章主要講解了對話系統(tǒng)的邏輯，以及如何實(shí)現(xiàn)應(yīng)用智能客服。

“天貓精靈，放歌”，“送你一首好聽的歌《XXX》”，《XXX》音樂響起……

相信有天貓精靈的用戶對此場景都不陌生，或者語音操作其他智能音箱設(shè)備，比如操作小愛同學(xué)”小愛同學(xué)，放歌“。我們都了解如何語音操作智能音箱，通過喚醒詞（天貓精靈、小愛同學(xué)），然后再說明意圖（放歌），然后智能音箱被喚醒后，根據(jù)說明意圖進(jìn)行相關(guān)響應(yīng)。

智能音箱作為對話系統(tǒng)的一種常見應(yīng)用，還有我們生活常見到的對話系統(tǒng)應(yīng)用：Siri、Echo、Bixby、小冰… 對話系統(tǒng)的應(yīng)用到處可見，但我們對對話系統(tǒng)了解多少以及如何應(yīng)用實(shí)踐呢？

本文主要講解對話系統(tǒng)的邏輯以及如何實(shí)現(xiàn)應(yīng)用智能客服。

目錄：

1. 對話系統(tǒng)的定義及發(fā)展

2. 對話系統(tǒng)的概述

2.1、對話系統(tǒng)的組件架構(gòu)

3. 智能客服的實(shí)現(xiàn)

3.1、智能客服的概述

3.2、信息檢索

3.3、知識庫

3.4、設(shè)計(jì)與評價

4. 總結(jié)

5. 參考文獻(xiàn)

一、對話系統(tǒng)的定義及發(fā)展

對話系統(tǒng)，也稱會話代理，一種模擬人類與人交談的計(jì)算機(jī)系統(tǒng)，即智能agent，旨在可以與人類形成連貫通順的對話，通信方式主要有語音/文本/圖片，當(dāng)然也可以手勢/觸覺等其他方式。

我們說對話系統(tǒng)的發(fā)展，一般都會從早期經(jīng)典的聊天機(jī)器人ELIZA開始（聊天機(jī)器人術(shù)語ChatterBot最早由Michael Loren Mauldin在1994年提及），ELIZA最出名的是以心理治療師的方式行事。不過對話系統(tǒng)的技術(shù)發(fā)展主要分為三個階段：

• 第一代：基于符號規(guī)則、模板，80年代末開始，目前依然使用，主要依賴專家人工制定的語 法規(guī)則和本體設(shè)計(jì)，容易解釋和修補(bǔ)，但過于依賴專家系統(tǒng)，跨領(lǐng)域的擴(kuò)展性不足，數(shù)據(jù)用來設(shè)計(jì)規(guī)則而不是學(xué)習(xí)，限定狹窄領(lǐng)域；
• 第二代：基于數(shù)據(jù)驅(qū)動的淺層學(xué)習(xí)，90年代開始（對話策略的強(qiáng)化學(xué)習(xí)也是這個時候研究出來），目前商用主流，主要是通過數(shù)據(jù)學(xué)習(xí)對話系統(tǒng)的統(tǒng)計(jì)參數(shù)，但不容易理解和修補(bǔ)，難擴(kuò)展，模型和表示不夠強(qiáng)大，不是端到端，難以擴(kuò)大規(guī)模；
• 第三代：基于數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)，近些年開始，目前研究主流，與第二代一樣，數(shù)據(jù)學(xué)習(xí)模型的參數(shù)，不過神經(jīng)模型和表示更強(qiáng)大，端到端學(xué)習(xí)變得可行（即完全數(shù)據(jù)驅(qū)動，模型相當(dāng)黑盒子），但仍然難以理解和調(diào)試更新系統(tǒng)，目前尚無成功商業(yè)案例；

二、對話系統(tǒng)的概述

我們先看一段生活常見的對話：

從上面的對話，會發(fā)現(xiàn)我們的對話，展示我們?nèi)祟惾齻€基本的智力活動：

• 閑聊：語言學(xué)家稱之為寒暄，示例對話A段落，閑聊一般沒什么實(shí)質(zhì)性內(nèi)容，主要是拉近人與人之間的關(guān)系，建立信任；
• 知識型問答：示例對話B段落，根據(jù)提問（多少錢？），一問一答，單輪對話，主要是提供信息；
• 任務(wù)型對話：示例對話C段落，根據(jù)意圖（購買手機(jī)），聯(lián)系上下文，多輪對話，圍繞意圖進(jìn)行對話，直至完成任務(wù)；

從我們對話活動中，我們可以發(fā)現(xiàn)，我們說話一般都帶有目的行為，比如我想買一部手機(jī)，言語行為就是購買手機(jī)，也就是我們所謂的言語行為理論。言語行為理論，指的是，語言不是用來陳述事實(shí)或描述事物的，而是附載著言語者的意圖。

根據(jù)對話活動，我們的對話引擎架構(gòu)可以分為三個層次，如下圖（圖源自周明老師的自然語言對話引擎的分享內(nèi)容）：

閑聊功能，一般可以通過網(wǎng)上語料庫，找到最相似的句子的回復(fù)當(dāng)作回復(fù)；問答功能，一般通過資源知識庫（問答庫/知識圖譜等）進(jìn)行回答；對話功能，一般通過識別意圖，填充信息槽，完成任務(wù)；

對話活動中，我們發(fā)現(xiàn)會有單輪、多輪對話的概念。單輪對話，容易理解，也就是一問一答，與上下文無關(guān)；多輪對話，也就是多次對話，圍繞意圖，聯(lián)系上下文，直至任務(wù)完成結(jié)束話輪。

目前任務(wù)型的多輪對話的實(shí)現(xiàn)，主要是基于有限狀態(tài)的架構(gòu)和基于框架的架構(gòu)，也是目前商用主流，當(dāng)然還有信息狀態(tài)的架構(gòu)（包括馬爾可夫決策過程的概率化模型），基于端到端（神經(jīng)模型）的架構(gòu)。

基于有限狀態(tài)的架構(gòu)和基于框架的架構(gòu)，主要是基于腳本方法，一種動態(tài)記憶模式，將我們生活場景進(jìn)行框架化，比如，我們?nèi)ゲ宛^就餐時，一般活動次序的框架（即腳本）：進(jìn)餐館、入座、點(diǎn)菜、用餐、付賬、離開。所以，我們對話活動可以根據(jù)意圖框架進(jìn)行信息抽取，填充相應(yīng)的槽，即可完成對話任務(wù)所需要的信息，做出相應(yīng)的反饋。

基于有限狀態(tài)的架構(gòu)，也是最簡單的架構(gòu)，系統(tǒng)采用系統(tǒng)主動會話，控制著與用戶的會話，向用戶提出一系列問題，忽略（或曲解）任何非直接的回答，并繼續(xù)詢問下一個問題，比如用戶查詢天氣的任務(wù)，系統(tǒng)會詢問用戶的查詢城市/時間，用戶如果回答不是系統(tǒng)提問的問題，則忽略回答繼續(xù)重復(fù)提問該問題。當(dāng)然，系統(tǒng)一般也會有萬能指令的策略，可以在對話的任何地方使用，以便用戶請求相應(yīng)的操作，比如我們常見的萬能指令：幫助（返回幫助菜單）、人工/人工客服（轉(zhuǎn)接人工客服）。

不過完全系統(tǒng)主動、有限狀態(tài)的對話管理架構(gòu)的限制過于嚴(yán)格，要求用戶準(zhǔn)確回答系統(tǒng)剛提問的問題，使得對話笨拙；用戶可能一次性回復(fù)幾個問題，或者用戶主動提問，所以就出現(xiàn)了會話的主動權(quán)在系統(tǒng)和用戶之間切換的混合主動，所以就出現(xiàn)目前一種常用的混合主動的對話架構(gòu)就是依靠框架本身的結(jié)構(gòu)來引導(dǎo)對話，即基于框架的架構(gòu)。

基于框架的架構(gòu)，對話系統(tǒng)詢問用戶問題，然后填充框架里的槽，但是同時也允許用戶通過提供填充框架中的其他槽的信息來引導(dǎo)對話。這樣，基于框架的架構(gòu)可以去除有限狀態(tài)的架構(gòu)對用戶提供信息的順序的加強(qiáng)嚴(yán)格約束；當(dāng)然，遇到多個任務(wù)需要多個框架處理的時候，系統(tǒng)必須能夠?qū)o定的輸入填入哪一個框架模板的哪一個槽進(jìn)行排歧，然后將對話控制轉(zhuǎn)換到該模板。

下面我們來看看一個基于框架的對話過程（圖源自周明老師的自然語言對話引擎的分享內(nèi)容）：

對話過程，實(shí)際上就是對用戶輸入的話，檢測意圖是什么，如果檢測不到，系統(tǒng)就判斷可能是聊天，然后通過聊天的引擎進(jìn)行溝通。如果檢測到意圖，比如知道用戶是要訂旅館，那么就有對應(yīng)的訂旅館的對話狀態(tài)表記錄目前進(jìn)行的狀態(tài)及要填充哪些信息。系統(tǒng)知道要填什么信息的時候，就會生成相應(yīng)的問題讓用戶回答，用戶回答完之后系統(tǒng)再把信息抽取過來填充到這個表里，直到所有的信息全部填充完畢，就完成了這個任務(wù)的對話過程。

這里就涉及到了對問題的理解，問題中有哪些信息要抓取出來，還有對話管理，比如狀態(tài)的轉(zhuǎn)移，slot的填充或者更改，選擇一個新的slot開始對話，以及如果要決定填充哪個slot的時候，怎么生成對話可以讓用戶很自然地回答這個問題，從而獲得系統(tǒng)所需要的信息。

2.1 對話系統(tǒng)的組件架構(gòu)

我們現(xiàn)在已經(jīng)對對話系統(tǒng)有了整體的認(rèn)知，接下來講講我們目前常見的對話系統(tǒng)的組件架構(gòu)。

上圖為對話系統(tǒng)的典型架構(gòu)，六個組件，語音識別和理解組件從輸入中抽取意義，生成器和TTS組件將意義映射到語言，對話管理器與具有任務(wù)領(lǐng)域知識（如電商領(lǐng)域知識庫）的任務(wù)管理器一起對整個過程進(jìn)行控制。

用戶說話，對話系統(tǒng)的語音識別器（ASR）將輸入轉(zhuǎn)為文本，文本由自然語言理解組件（NLU）進(jìn)行語義理解（主要為分詞、詞性標(biāo)注、命名實(shí)體識別、句法分析、指代消解、語義解析），接著對話管理器分析語義信息，保持對話的歷史與狀態(tài)，并管理對話的一般流程，通常，對話管理器聯(lián)系一個或多個任務(wù)管理器（知識庫），自然語言生成器根據(jù)對話管理器的對話策略生成對話的文本，最后文本通過語音合成器（TTS）渲染輸出；其中，對話系統(tǒng)的主體是對話管理器，它是管理對話狀態(tài)和對話策略的組件。

組件介紹：

• 語音識別：ASR（Automatic?Speech?Recognition）一般包括四大塊：信號處理、聲學(xué)模型、解碼器、后處理，首先采集聲音，進(jìn)行信號處理，將語音信號轉(zhuǎn)化到頻域，從N毫秒的語音提出特征向量，提供給聲學(xué)模型，聲學(xué)模型負(fù)責(zé)把音頻分類成不同的音素，接著解碼器得出概率最高一串詞串，最后的后處理就是把單詞組合成容易讀取的文本。簡單的說，就是接受音頻輸入，返回一個轉(zhuǎn)錄的詞串；當(dāng)然，對話系統(tǒng)中，ASR系統(tǒng)一般都做了定制的優(yōu)化，同時，一般對話系統(tǒng)還要求ASR系統(tǒng)返回句子的置信度，用來決定是否詢問用戶來確認(rèn)該回答這樣的任務(wù)；
• 自然語言理解：NLU（Natural Language Understanding）產(chǎn)生適合對話任務(wù)的語義表示（語義表示常見有一階邏輯、語義網(wǎng)絡(luò)、概念依存、基于框架的表示），主要通過分詞、詞性標(biāo)注、命名實(shí)體識別、句法分析、指代消解等進(jìn)行語義解析產(chǎn)生句子意義（即理解文本是什么意思），進(jìn)行意圖識別（一般通過動賓短語，事件提及，比如查詢天氣），從中抽取槽的填充值，進(jìn)而完成語義表示；

分詞：將句子切分詞序列，詞是承載語義的基本單元。中文自動分詞被認(rèn)為是中文自然語言處理中的一個最基本的環(huán)節(jié)，比如句子“我愛中國”，切分為“我/愛/中國”；

詞性標(biāo)注：識別詞的詞性，描述一個詞在上下文的作用，比如名詞、動詞、形容詞；

命名實(shí)體識別：也稱作專名識別，是指識別文本中具有特定意義的實(shí)體，主要包括人名、地名、機(jī)構(gòu)名、專有名詞等；

句法分析：分析詞與詞之間的結(jié)構(gòu)關(guān)系，確定句法結(jié)構(gòu)，比如主謂賓關(guān)系；

指代消解：決定哪些實(shí)體被哪些語言表述所指代的任務(wù)，比如句子“香蕉熟了，把它給大家吃了”，句子中的它指的是香蕉；

• 自然語言生成與語音合成：NLG（Natural Language Generation）組件選擇需要向用戶表達(dá)的概念，計(jì)劃如何用詞句表達(dá)這些概念，并賦予這些詞必要的韻律，TTS（Text To Speech）組件接受這些詞句及其韻律注解，并合成波形圖，生成語音；
• 對話管理器：DM（Dialog Management）為對話系統(tǒng)的主體，控制著對話的架構(gòu)和結(jié)構(gòu)，從ASR/NLU組件接受輸入，維護(hù)一些狀態(tài)，與任務(wù)管理器（知識庫）交互，并將輸出傳遞給NLG/TTS模塊；

對話系統(tǒng)主要有三大模塊：對話上下文（Dialog Context）、對話狀態(tài)跟蹤（Dialog State Tracking）和對話策略（Dialog Policy）。

對話上下文（DC）：記錄對話的領(lǐng)域、意圖和詞槽數(shù)據(jù)，每個領(lǐng)域可能包含多個意圖的數(shù)據(jù), 一般以隊(duì)列的形式存儲；

對話狀態(tài)跟蹤（DST）：記錄T-1狀態(tài)與當(dāng)前時間T的狀態(tài)，即會結(jié)合上下文，確定當(dāng)前對話狀態(tài)，同時會補(bǔ)全或替換詞槽；

對話策略（DP）：根據(jù)對話狀態(tài)和具體任務(wù)決定要執(zhí)行什么動作，比如進(jìn)一步詢問用戶以獲得更多的信息、調(diào)用內(nèi)容服務(wù)等；

三、智能客服的實(shí)現(xiàn)

自然語言處理（NLP）技術(shù)一直以來被認(rèn)為是成熟度相對較低的AI技術(shù)分支，不過，盡管NLP在開放領(lǐng)域環(huán)境中表現(xiàn)不佳，但對于限定場景來說，NLP及其背后的知識圖譜技術(shù)卻能發(fā)揮出巨大價值。智能客服就是NLP最常見的應(yīng)用之一，也是對話系統(tǒng)最常見的應(yīng)用之一。

作為企業(yè)客戶關(guān)系管理（CRM）的重要組成部分，客服是連接企業(yè)與客戶的重要橋梁，極大地影響著企業(yè)的銷售成果、品牌影響及市場地位。但是，長久以來，客服行業(yè)都存在諸多痛點(diǎn)，客服人員流動性大、培訓(xùn)成本高、客服難以把控、大量重復(fù)性問題過度消耗人工客服，同時，如何提升售前轉(zhuǎn)化，如何優(yōu)化客服流程，如何從客服數(shù)據(jù)中發(fā)現(xiàn)企業(yè)業(yè)務(wù)問題等，都是各類企業(yè)面臨的普遍問題。因?yàn)檫@些普遍問題的存在，智能客服應(yīng)運(yùn)而生。

根據(jù)國內(nèi)客服行業(yè)的第三方報(bào)告（下圖），智能客服正在以40%-50%的比例替代人工客服工作，AI將為智能客服廠商釋放500-800億市場空間，所以一直以來，大量企業(yè)布局智能客服行業(yè)。

3.1 智能客服的概述

智能客服，也就是我們所說的客戶維護(hù)的智能服務(wù)，比如我們常見的淘寶小蜜、京東JIMI。

目前受限于NLP算法水平的限制，現(xiàn)在智能客服在實(shí)際使用中更多是發(fā)揮輔助作用。目前智能客服最常見的形式就是在人工客服系統(tǒng)基礎(chǔ)上，擴(kuò)展出智能客服的功能，最常見的功能為單輪問答、功能對話、人機(jī)協(xié)作。

人機(jī)協(xié)作，一般是智能客服優(yōu)先回答問題，解決不了再轉(zhuǎn)人工，也就是智能客服解決一定的高頻簡單問題，疑難問題轉(zhuǎn)接人工客服。

根據(jù)智能客服目前常見的定位單輪問答，知識庫問答的技術(shù)本質(zhì)也是搜索引擎相似的技術(shù)，都是信息檢索。

3.2 信息檢索

信息檢索（Information Retrieval，IR）主要是尋找從文檔集中獲取可用信息的模型和算法，用戶輸入一個表述需求信息的查詢字段，系統(tǒng)回復(fù)一個包含所需要信息的文檔列表，比如我們平時所用的百度、谷歌搜索。

目前大多IR系統(tǒng)都是基于組合語義的一種極端版本，用戶查詢內(nèi)容表示為檢索詞表達(dá)的信息需求，檢索詞進(jìn)行詞義排歧、同義擴(kuò)展等處理（比如同義詞擴(kuò)展，可通過WordNet同義集），生成對應(yīng)的向量，查詢向量與文檔向量（彼此向量通過權(quán)重處理，比如TF-IDF）計(jì)算相似度（可通過余弦計(jì)算，越接近1越相似，越接近0越獨(dú)立），如下圖。

其中，文檔表示被系統(tǒng)索引及提供給檢索的文本單元，文檔列表表示用于滿足用戶需要的一組文檔，檢索詞指文檔列表中出現(xiàn)的詞匯項(xiàng)，可用來當(dāng)索引。

我們可以看到上圖的信息檢索架構(gòu)返回的是文檔列表，而智能客服問答返回的是答案內(nèi)容，我們來看看問答與信息檢索的區(qū)別：

我們可以看到，問答集成了知識表示、信息檢索、自然語言處理和智能推理等技術(shù)，畢竟用戶希望的是獲取一段特定信息，問題的答案，需求的解決方案，比如用戶問題怎么重置密碼。

這個時候，我們返回的應(yīng)該是用戶問題重置密碼的解決方案答案，所以智能客服的問答應(yīng)用信息檢索的時候，做了相應(yīng)的調(diào)整，檢索返回的是答案（即計(jì)算概率最大的候選答案，可以理解為所謂的推薦），同時一般會在問題查詢處理的時候，增加問題分類模塊，也就是某個問題是什么類型，可以針對類型更好的回答，分類器可以通過標(biāo)注類型的對話數(shù)據(jù)進(jìn)行訓(xùn)練。

3.3 知識庫

現(xiàn)在我們了解了智能客服模型的實(shí)現(xiàn)，但對話系統(tǒng)如果沒有語料庫，還是不會對話，正所謂巧婦難為無米之炊。語料庫也就是我們智能客服所說的知識庫。知識庫可以來自我們整理的知識圖譜或者問答庫等，知識庫的難點(diǎn)在于數(shù)據(jù)的冷啟動、數(shù)據(jù)的清洗及整理。

數(shù)據(jù)的冷啟動，也就是生成知識庫的原始數(shù)據(jù)有沒有的問題（數(shù)據(jù)冷啟動同樣影響信息檢索模型的訓(xùn)練），不過智能客服一般都是限定于領(lǐng)域，應(yīng)用于自身企業(yè)的服務(wù)，前期客服都是人工服務(wù)，所以我們一般可以積累人工對話的數(shù)據(jù)作為知識庫的原始數(shù)據(jù)（一般是選擇一定周期內(nèi)的數(shù)據(jù)，具有通用性）。

數(shù)據(jù)的清洗及整理，也就是有了原始數(shù)據(jù)后如何生成完整可讀的知識庫。我們常見的一種知識庫就是所謂的問答庫（即問題答案對，當(dāng)然，一般還會有其他標(biāo)簽，比如人工標(biāo)注的問題類型）。問答庫的生成，我們可以通過原始對話數(shù)據(jù)對同一標(biāo)識的對話（表示同一用戶與人工客服的完整對話），根據(jù)對話身份ID的不同分別對同一ID的話段通過N-gram拼接起來（主要通過詞袋出現(xiàn)的unigram、bigram、trigram，一般到trigram，太少句子不通順，太多計(jì)算量大，畢竟N元模型的大小幾乎是N的指數(shù)函數(shù)即O(|V|^N)，V為詞匯量，然后通過N-gram拼接算法把N-gram片段拼接起來即可，一般可以通過NLTK工具包處理），成為一段較為通順的句段，最后再經(jīng)過人工審核及標(biāo)注，形成完整可讀的問答知識庫。

其中，詞袋指的是一段文本（比如一個句子或是一個文檔）可以用一個裝著這些詞的袋子來表示，這種表示方式不考慮文法以及詞的順序；N-gram，即N元語法，指的是文本中連續(xù)出現(xiàn)的n個語詞，N元語法模型是基于(n-1)階馬爾可夫鏈的一種概率語言模型，通過前面出現(xiàn)的n-1個單詞預(yù)測下一個單詞，通過n個語詞出現(xiàn)的概率來推斷語句的結(jié)構(gòu)；當(dāng)n分別為1、2、3時，又分別稱為一元語法（unigram）、二元語法（bigram）與三元語法（trigram）。

下圖為上述對話C段落，經(jīng)過N-gram拼接處理后，再經(jīng)過人工審核標(biāo)注的問答庫示例：

不過，由于問答庫的問題單一性，用戶采用相似問法提問時，可能由于模型等問題找不到對應(yīng)的答案，導(dǎo)致用戶不滿。即使我們對問題進(jìn)行擴(kuò)展等泛化處理，采用松弛模式允許匹配忽略部分文本的結(jié)果，但會引起一些不正確的結(jié)果，也引起用戶的不滿。所以為了提高問題的準(zhǔn)確性，我們可以通過種子模式，即采用整理好的知識庫的問題關(guān)鍵詞，在原始或清洗后的對話數(shù)據(jù)集上進(jìn)行搜索，查看用戶常見的問法，進(jìn)行問答擴(kuò)展，增加問題的相似問法，比如上圖的問答庫的問題“購買一部2000元的小米手機(jī)”，可擴(kuò)展相似問法“推薦一部2000元的手機(jī)，品牌不限”。

當(dāng)然，知識庫越豐富越好，畢竟越豐富則覆蓋的業(yè)務(wù)范圍問題越廣，解決用戶需求的可用性越好，就像我們?nèi)祟愐粯又R面越廣，則能解決更多問題，能力越好。

3.4 設(shè)計(jì)與評價

智能客服不是開放式的聊天對話系統(tǒng)，而是基于特定業(yè)務(wù)領(lǐng)域和業(yè)務(wù)場景的對話系統(tǒng)，目的是快速解決用戶的需求，一個最理想的對話系統(tǒng)就是用最少代價就能幫助用戶實(shí)現(xiàn)目標(biāo)的系統(tǒng)，所以智能客服應(yīng)以用戶為中心的設(shè)計(jì)原則，用戶滿意度至關(guān)重要。

設(shè)計(jì)：

智能客服由于自身的目的性，應(yīng)當(dāng)根據(jù)自身的業(yè)務(wù)場景選擇相應(yīng)的對話策略、提示、錯誤信息反饋等設(shè)計(jì)原則。

常見的設(shè)計(jì)要點(diǎn)：

• 研究用戶和業(yè)務(wù)：分析用戶畫像，以及調(diào)研用戶常見的問題，獲知用戶的潛在問題進(jìn)行相應(yīng)的推薦引導(dǎo)，以及個性化回答用戶；比如每個用戶進(jìn)入智能客服，界面的問題引導(dǎo)都不一樣；
• 對話策略：問題高相似即反饋答案，一定程度相似可反饋相似的幾個問題，收斂引導(dǎo)用戶提問，低相似的問題可引導(dǎo)用戶重新提問或引導(dǎo)轉(zhuǎn)接人工客服；同時，增加閑聊庫，保證用戶對話的順暢性，避免部分用戶閑聊無應(yīng)答。當(dāng)然，還有快速收斂，用戶輸入時通過聯(lián)想提問顯示提示問題引導(dǎo)用戶選擇提問，一般也會有萬能指令的策略，可以在對話的任何地方使用，以便用戶請求相應(yīng)的操作，比如我們常見的萬能指令：幫助（返回幫助菜單）、人工/人工客服（轉(zhuǎn)接人工客服）；
• 對話數(shù)據(jù)完整性：用戶轉(zhuǎn)接人工客服后，保證用戶與系統(tǒng)對話的數(shù)據(jù)同時轉(zhuǎn)接至人工客服對話窗口，方便人工客服快速了解用戶需求，也避免用戶再次提問，提高客服接線率和時間效率，提高用戶滿意度；
• 對設(shè)計(jì)進(jìn)行迭代：數(shù)據(jù)監(jiān)控，根據(jù)指標(biāo)數(shù)據(jù)分析優(yōu)化；根據(jù)用戶滿意度的意見進(jìn)行優(yōu)化；知識庫的維護(hù)及更新（包括模型自主學(xué)習(xí)）；

評價：

用戶滿意度是我們智能客服的衡量標(biāo)準(zhǔn)，用戶可以在系統(tǒng)界面滿意度問卷進(jìn)行顯性反饋，這是我們直接拿到的用戶真實(shí)評價。但反饋用戶滿意度畢竟需要操作成本，很多用戶都不會去反饋，所以我們拿到直接的滿意度評價比較少，更多會結(jié)合其他衡量指標(biāo)進(jìn)行綜合評價系統(tǒng)。

評價一般有外在和內(nèi)在的評價指標(biāo)，外在指標(biāo)指的是我們業(yè)務(wù)可見的一些指標(biāo)，比如智能客服的問題解決率、人工客服系統(tǒng)的接線率/會話時長等衡量指標(biāo)；內(nèi)在指標(biāo)指的是模型算法的一些指標(biāo)，信息檢索常見的評價指標(biāo)：準(zhǔn)確率（precision）、召回率（recall）、F-測度值?？筛鶕?jù)具體業(yè)務(wù)場景選取適合的評價指標(biāo)。

總結(jié)

當(dāng)前受限NLP算法水平的限制，目前智能客服更多是輔助人工客服，未來，想進(jìn)一步替代人工客服，NLP技術(shù)理應(yīng)做到實(shí)現(xiàn)更好的多輪對話建模以及個性化回復(fù)，從而理解用戶的真實(shí)意圖及對話自然。

畢竟對于智能客服來說，重要前提就是準(zhǔn)確理解用戶問題，同時可以聯(lián)系上下文，與用戶進(jìn)行自然地多輪對話，理解用戶意圖，解決用戶問題，這樣才能更好進(jìn)一步替代人工客服。

參考文獻(xiàn)：

《自然語言處理綜論》（第二版）

https://36kr.com/p/5136136.html

https://www.leiphone.com/news/201703/6PNNwLXouKQ3EyI5.html

https://www.msra.cn/zh-cn/news/features/ming-zhou-conversation-engine-20170413

作者：鉛筆小葵（微信號：gaokaikui ?知乎專欄：鉛筆小葵），產(chǎn)品經(jīng)理，負(fù)責(zé)產(chǎn)品從0到1的開發(fā)，曾任Java工程師，參與后臺開發(fā)。歡迎大家互相交流關(guān)注。

本文由 @鉛筆小葵 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議