也许你也有过这样的经历，向智能客服咨询问题，却陷入毫无进展的对话里：
-你们家的面膜都是纯天然的?
-亲亲，我们家的面膜都是芦荟精华提取，纯天然的哦~
-我皮肤有点干，推荐一款呗~
-冬天皮肤干燥推荐给亲亲我们的保湿精华乳~
-我是要买面膜，你是机器人吧，让人来说话。
作为顾客，此时你大概要叹一句“人工智能真不智能”。这些所谓“智能”客服们往往只能做到一问一答，一旦对话涉及稍微复杂的情境，它们就开始答非所问。
让人工智能学会根据上下文去处理信息，是自然语言处理技术一个关键的门槛，也是多年来整个学术界和工业界都在努力攻克的难题。尽管在通用NLP领域，gpt-2，BERT等算法模型的出现，让语义理解取得了重大进展，但是由于专业性强、垂直语料库不足等原因，某些亟待落地的应用场景，例如高强度的客服对话，还深陷在开头出现的“人工智障”泥潭中。
最近，这个难题迎来了新进展。晓多科技(下称“晓多”)开发的基于上下文的语义识别项目，以深度学习的方式，让智能问答机器人能够像人类一样，结合语境去理解复杂场景下的对话，并且进行持续的自我学习，无需人工设置规则，也能不断扩展和覆盖更多的场景。
从一问一答到读懂语境
为什么人工智能会有这些“不智能”的表现?这是因为目前市面上主流的智能问答机器人，大部分都是根据单个句子来识别顾客的意图，从而进行一问一答的任务型对话。但在日常聊天对话中，我们习惯口语化表达，尤其在打字时，一般不会大段大段地发送，而会使用很多断句，这种零碎的表达使得机器人无法从单个句子中准确识别出你的真实意图，造成答非所问的情况。
这对于服务业来说是一个致命伤。
和普通的闲聊机器人不同，智能客服必须做到对各种场景的精准识别。因为智能客服面对的工作，是要及时地、明确地解决顾客的问题。
当你和闲聊机器人逗趣的时候，它答非所问的话并不会让你烦躁，反而觉得很有趣味;但当你只想赶紧退货或者得到赔偿时，智能客服的胡言乱语足够让烦躁的顾客给这家店铺打上0星，并在评论区洋洋洒洒好几百字，控诉店铺服务不到位。
在商品售前阶段也是这样，智能客服错误的回复或答非所问，都会影响顾客的体验度，平台商家竞争激烈的情况下，得不到满意答复的顾客可能会很快放弃，选择另外一家店铺，从而造成顾客的大量流失。
点击图片查看详细内容
在技术上，晓多做出了一个此前业界还没有实现过的创新应用，参照一个名叫长短期记忆网络(LSTM)的结构，设计实现会话级别的记忆和遗忘。
晓多的又一创新，是应用于提炼模块的注意力机制。它会自动对上文的每一条信息进行计算，算出这些信息与当前句子对应的重要程度，重要程度高的，就会被保留下来。
假如顾客得到了满意的产品推荐之后，又提出“什么时候发货”的问题，注意力机制通过计算，就会发现上文的重要程度并不高，这样，无用的信息就会被过滤，与当前对话有关联的上文信息被选取出来，进入下一个模块中。
在融合模块中，机器人会对提炼出的上文关键信息和当前聊天消息结合，来识别顾客的意图。晓多采用的方式是在向量空间做梳理，简单来说，可以理解为提取上文关键信息是在机器人大脑内部的一个操作，这之后，再在一个抽象的空间里，把提取出来的关键信息与当前的单句进行综合，最终输出一个结合上文信息和当前单句所做出的判断。
这个模型在实验中得到的数据令人惊喜。晓多从真实电商聊天⽇志中抽取了若⼲涉及上下⽂的问答样本，构造两份意图识别测试集，分别对应两个电商领域，对⽐发现结合上下⽂预测的模型效果远超只根据单句预测的模型：
另外，对于电商行业中热门的服装领域来说，售前的服装尺码推荐是客服经常会遇到的问题，店铺内大量商品的尺码各不相同，尺码问题会耗费客服大量的人力。通过上下文识别的手段，客服机器人可以获取顾客的尺码信息，准确地进行尺码推荐。
在销售过程中，顾客常常要询问运费问题，这就涉及到了首次购买和退换货两种场景。没有上文语境，机器人就只能解读出“运费”，而不能准确地判断顾客询问的是首次购物运费还是退换货运费，可能导致错误的回复。而在加入了上下文理解后，机器人能够准确判断顾客的实际问题，准确地回复此类问题。
另一个常见的售中场景是关于活动赠品的问题。当店铺进行活动优惠提供赠品时，顾客的提问可能不是针对商品，而是针对赠品，需要机器人通过语境来识别，防止混淆这两个方面的提问，给出张冠李戴的答案。
这项技术不但可以应用在智能对话上，智能营销、智能质检、情绪识别……客服行业中还存在着更多未被开发的可能性。
对于晓多来说，这意味着他们为顾客提供的服务，向超专家级更进了一步。“我们现在可能只是把它应用在语义识别上，但后续我们在其它业务线上还可以继续铺开。我们把它当成一个基础的能力，一个支撑我们整个公司的算法产品。”张翀说。
晓多也期待着，上下文语义识别可以作为技术基石应用到行业各个方面，通过推开这项技术的应用，机器人可以自动生成尺码表，自动获取个性化对话内容进行系统自动萃取对接等等，机器人行业一直以来由人工配置的时代可能走向终结，而迎来一个从数据中学习后智能化自动生成的时代。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：SEO优化专员，转转请注明出处：https://www.chuangxiangniao.com/p/975980.html
