走进聊天机器人_kbbot

走进聊天机器人

1. 目前企业中的常见的聊天机器人

1. QA BOT（问答机器人）：回答问题   【有明确目标，能够准确返回结果】

   1. 代表 ：智能客服、

   2. 比如：提问和回答

2. TASK BOT (任务机器人)：帮助人们做事情     【通过机器人具体去完成一件事情】

   1. 代表：siri

   2. 比如：设置明天早上9点的闹钟

3. CHAT BOT(聊天机器人)：通用、开放聊天       【没有明确目标】

   1. 代表：微软小冰

2. 常见的聊天机器人怎么实现的

2.1 问答机器人的常见实现手段

1. 信息检索、搜索 （简单，效果一般，对数据问答对的要求高）    【主要是通过计算相似度】

   关键词：tfidf、SVM、朴素贝叶斯、RNN、CNN

2. 知识图谱（相对复杂，效果好，很多论文）

   在图形数据库中存储知识和知识间的关系、把问答转化为查询语句、能够实现推理

2.2 任务机器人的常见实现思路

1. 语音转文字

2. 意图识别【即分类】、领域识别、文本分类

3. 槽位填充：比如买机票的机器人 使用命令体识别填充 从{位置}到{位置}的票2个位置的

4. 回话管理、回话策略

5. 自然语言生成

6. 文本转语音

2.3 闲聊机器人的常见实现思路

1. 信息检索（简单、能够回答的话术有限）

2. seq2seq 和变种（答案覆盖率高，但是不能保证答案的通顺等）

3. 企业中的聊天机器人是如何实现的

3.1 阿里小蜜-电商智能助理是如何实现的

参考地址：https://juejin.im/entry/59e96f946fb9a04510499c7f

3.1.1 主要交互过程

从图可以看出：

1. 输入：语音转化为文本，进行理解之后根据上下文得到语义的表示

2. 输出：根据语义的表示和生成方法得到文本，再把文本转化为语音输出

3.1.2 技术架构

可以看出其流程为：

1. 判断用户意图

2. 如果意图为面向目标：可能是问答型或者是任务型

3. 如果非面向目标：可能是语聊型

3.1.3 检索模型流程（小蜜还用了其他的模型，这里以此为例）

通过上图可知，小蜜的检索式回答的流程大致为：

1. 对问题进行处理

2. 根据问题进行召回，使用了提前准备的结构化的语料和训练的模型

3. 对召回的结果进行组长和日志记录

4. 对召回的结果进行相似度计算，情感分析和属性识别

5. 返回组装的结果

3.2 58同城智能客服帮帮如何实现的

参考地址：http://www.6aiq.com/article/1536149308075?p=1&m=0

3.2.1 58客服体系

58的客服主要用户为公司端和个人端，智能客服主要实现自动回答，如果回答不好会转到人工客服，其中自动回答需要覆盖的问题包括：业务咨询、投诉建议等

 

3.2.2 58智能客服整体架构

整体来看，58的客服架构分为三个部分

1. 基础服务，实现基础的NLP的功能和意图识别

2. 应用对话部分实现不同意图的模型，同时包括编辑运营等内容

3. 提供对外的接口

3.2.3 业务咨询服务流程

大致流程

KB-bot的流程大致为：

1. 对问题进行基础处理

2. 对答案通过tfidf等方法进行召回

3. 对答案通过规则、深度神经网络等方法进行重排序

4. 返回答案排序列表

使用融合的模型

在问答模型的深度网络模型中使用了多套模型进行融合来获取结果

1. 在模型层应用了 FastText、TextCNN 和 Bi-LSTM 等模型

2. 在特征层尝试使用了单字、词、词性、词语属性等多种特征

通过以上两个模型来组合获取相似的问题，返回相似问题ID对应的答案

 

3.2.4 58的闲聊机器人

58同城的闲聊机器人使用三种方法包括：

1. 基于模板匹配的方法

2. 基于搜索的方式获取（上上图）

3. 使用seq2seq的神经网络来实现

3.2.5 解决不了转人工服务

智能客服解决不了的可以使用人工客服来实现