重磅推荐专栏: 《Transformers自然语言处理系列教程》
手把手带你深入实践Transformers,轻松构建属于自己的NLP智能应用!

1. 智能机器人 — 多轮对话


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:

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:

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:

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:

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”:

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:

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”,==| :

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:

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:

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。

  • 图谱问答
    基于商家的基础信息,建设知识图谱,进行图谱问答:
  • 社区问答
    基于“问大家”的社区数据,进行问答。这部分的技术方案应该和1.1节的问题(意图)理解是一样的:
  • 机器阅读理解
    对于政策、活动文章,利用机器阅读理解来进行回答:

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

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:

效果如下:


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:

解读:【美团】智能客服实践相关推荐

  1. 太强了!美团智能客服核心技术与实践,这差距不止一点点!

    客服是在用户服务体验不完美的情况下,尽可能帮助体验顺畅进行下去的一种解决办法,是问题发生后的一种兜底方案.而智能客服能让大部分简单的问题得以快速自助解决,让复杂问题有机会被人工高效解决.在用户服务的全 ...

  2. 美团智能客服核心技术与实践

    客服是在用户服务体验不完美的情况下,尽可能帮助体验顺畅进行下去的一种解决办法,是问题发生后的一种兜底方案.而智能客服能让大部分简单的问题得以快速自助解决,让复杂问题有机会被人工高效解决. 在用户服务的 ...

  3. 2020最新智能客服|聊天机器人算法、架构及应用分享

    智能客服(聊天机器人)是在大规模知识处理基础上发展起来的一项面向行业应用的,适用大规模知识处理.自然语言理解.知识管理.自动问答系统.推理等等技术行业,智能客服不仅为企业提供了细粒度知识管理技术,还为 ...

  4. 行业内关于智能客服、聊天机器人的应用和架构、算法分享和介绍

    更多精品内容及源码,尽在"源码大数据" 阿里巴巴 小蜜 阿里小蜜新一代智能对话开发平台技术解析 阿里小蜜:知识结构化推动智能客服升级 阿里云小蜜对话机器人背后的核心算法 大中台.小 ...

  5. 全球首家多语言智能客服上线,这家神秘AI公司有什么秘密武器?

    没人能够想到,拿下加拿大CIK电讯公司全球多语言智能客服合作权的,是一家成立刚满四年的中国公司. 这不是一单容易的生意:CIK电讯公司总部位于加拿大,顾客范围覆盖中国.东南亚.北美等地,因此,其智能客 ...

  6. AI开发者大会之语音语义技术实践与应用:2020年7月3日《NLP在教育行业的应用》、《AI防疫-语音语义技术在政务联络场景中的应用》、《智能客服机器人在售前导购场景中的应用实践》

    AI开发者大会之语音语义技术实践与应用:2020年7月3日<NLP在教育行业的应用>.<AI防疫-语音语义技术在政务联络场景中的应用>.<智能客服机器人在售前导购场景中的 ...

  7. 阿里巴巴客户体验事业群智能客服调度最佳实践

    背景 为什么客服需要调度?阿里集团客户体验事业群(CCO)目前承接了阿里集团以及生态体的客户服务业务,我们的客户通过各个渠道来寻求解决各类问题,每天的进线量巨大,而且经常伴随着突发性进线,比如天猫代金 ...

  8. PPT|智能客服机器人在售前导购场景中的应用实践

    <智能客服机器人在售前导购场景中的应用实践> (点击[阅读原文]获取沙龙视频)

  9. 中信银行信用卡中心x阿里云智能客服——智能坐席辅助系统构建实践

    数字经济时代,随着金融机构数字化转型的持续推进,金融机构的客服职能正在逐渐由单一的服务职能转变为服务.营销.销售等一体化职能,仅依靠人工坐席进行服务的传统模式已渐渐难以适应金融机构多元化的客服.营销等 ...

最新文章

  1. Python垂直翻转图像(Vertically Flip Image)
  2. troch3d open3d例子
  3. C++ 创建单级、多级目录
  4. UA MATH567 高维统计III 随机矩阵7 亚高斯矩阵的应用:Stochastic Block Model与社区发现 问题描述
  5. PAT甲级1142 Maximal Clique :[C++题解]图论、最大团、枚举
  6. JEECG第二期深入使用培训(报名截止2014-06-21)
  7. web.py开发web 第一章 Hello World
  8. Android 3D系列之基本概念篇
  9. web提升服务器性能,开启一个参数就能让你的WEB性能提升3倍
  10. High Availability--keepalived详解篇(三)之keepalive配置实例-http
  11. python请输入星期几的第一个_python如何获取星期几
  12. 第三章 Goroutine调度策略(16)
  13. 【诚邀】ZStack新品战略发布会4月16号如约开启
  14. 2019DeeCamp夏令营总结
  15. POJ 1380 Equipment Box(大矩形包含小矩形判定)
  16. WebRTC的拥塞控制和带宽策略
  17. 【Python】面试官:元组列表都分不清,回去等通知pa
  18. 全新Redis6全部知识点,零基础入门
  19. 如何使用maven给Java打包
  20. C#中的checked关键字和unchecked 关键字

热门文章

  1. 团建游戏 人多力量大
  2. Winform MessageBox.Show时居中到主页面
  3. linux性能提升方法(整理)
  4. Spring boot 启动小问题:
  5. IBinder, BBinder和BpBinder
  6. 【ZT】事件反转!华为P30 Pro被证实有“P月”功能
  7. 零维水温模型计算——基于matlab建立计算模型
  8. Android Camera HAL3 -架构设计
  9. Centos 7 新系统常用配置
  10. GPT-4介绍,论文链接