智能客服知识及搭建_知识库单轮多轮

智能客服知识及搭建

大趋势：人工智能时代里，需要机器更加适应人和人之间的交互方式，而不是人适应机器。在未来里，交互界面会减少，取而代之的是更多的对话系统。

1.单轮对话

单轮对话是指简单的一问一答，问题可以用一句话来描述，不依赖于上下文。
	一般这样的问答依赖于一个知识库/问答对集合，机器人从知识库里检索相似的问题，给出答案。
1
2

1. 召回率：

    机器人回答问题的问题数/问题总数。
	会话没有召回存在两种情况：
	1.知识库不够全面，需要完善知识库
	2.相似问题在知识库里，但由于语义理解问题没有找到，这种情况需要优化算法
1
2
3
4

2. 准确率：

机器人正确回答的问题数/问题总数，对不同的类型的机器人有不同的指标。
对任务型和问答型机器人来说，宁愿不回答也不能答错。
对闲聊性机器人来说，准确率并非主要评判指标。
1
2
3

3.问题解决率：

机器人成功解决的问题数/问题总数
机器人成功解决问题的总数=（问题总数-转人工客服的问题数量-顾客反馈不满意的问题数量）

1
2
3

注：企业需要设置合理的机器人转人工客服策略，确保顾客在机器人不能很好的解决问题的情况下，可以转由人工客服接待。同时，企业在客服系统中应该提供对机器人客服的反馈和打分机制。

总结：单轮对话的难点：

 1.识别同一问题的不同表达方式
 2.理解语义细微差别，处理差异性问法
 3.聚类高频问题，自动学习优化知识库
（提高召回率和准确率，需要完善知识库。人工补充知识库是非常困难的，机器人需要有自主学习能力，根据历史对话数据，自动总结以及挖掘不在知识库内的高频问句，补充和完善知识库）

1
2
3
4
5

2. 多轮对话

1.任务完成率
成功结束的多轮会话数/多轮会话总数
注：会话成功结束，并不一定意味着问题得到解决，也有可能客户没有从机器人处得到所需答案。通常，多轮会话机器人会设置转人工策略，当机器人会话不能继续时，转交给人工客服处理。
2.定制难度
1.是否提供完整的API接口和开发文档，技术开发人员能够快速开发和集成。
2.是否支持非AI专业人员开发多轮对话模型。
3.界面交互体验是否优秀，是否支持直接可视化编辑。
3.补充信息

总结：多轮对话难点
1.准确进行语义理解
2.状态管理及个性化语言生成


意图识别
意图识别是指识别提问者的潜在目的及表达诉求
难点：

3.基于语义解析的常见技术手段（了解）

二.对话系统分类

总结

要尽可能融合这三种类型，使得机器人更加智能

1
2

2.1 .设计注意事项
1.简洁明了，不要把用户当成傻瓜，要遵循格里斯法则

2.对话语句要自然
3.处理新手用户&老用户

4.适当使用问候语&结束语

5.积极确认

注意：
1.问答用于在话题更换前表示接受、拒绝、二次确定、更正。
2.对重复信息需要谨慎，应答要避免滥用
5.1显性确认

5.2隐性确认

5.3置信度综合的显性确认和隐性确认

5.4确认策略话术对比

6.随机策略

7.使用对话标识


8.加入异常处理

9.设计对话通用模块

10.设计延迟话术

11.设计歧义消除话术

12.主动学习

三、构建一个对话系统

前戏（理解对话系统根源）
对话系统其实就是用AI模拟人和人的对话，说的再通俗一点，就是用计算机模拟人类对话

第一步：定义对话系统
确定场景边界
梳理业务要素/知识库
撰写故事线
抽取对话流程
第二步：富集数据资源
资源类型：

（相关概念会在UNIT概览篇中出现（智能客服搭建（4）））

词典词槽
对话样本
问答对
如何富集：

指定业务场景提取数据
对话日志中抽象相关数据（用户使用产品后反馈的信息）
官方数据库
第三步：搭建系统、训练、评估和调优
这一步应该是我们比较关注的点，但一个项目的诞生，我们不只是应该关注研发这一步，应该做到观览大局，毕竟没有前面的积累，研发出来的产品也不会很好。

这里有两种方法实现：

代码工程实现，耗费成本大，技术要求高。（坦白而言，这是作为一个智能专业出身所要努力做到的）
第三方工具实现（本次的项目搭建基于此，要先学会站在巨人（百度UNIT）的肩膀上做事情，然后再努力成为巨人）
在评估和调优的时候，我们要找第三方人（包括搭建机器人团队以外的人和用户）让他们使用我们的机器人并反馈使用体验，针对反馈结果我们队机器人进行优化。

第四步：系统接入：
全渠道API接入
（产品发布）接入原则：用户在哪里，服务就接入哪里

通用模块
智能人机协作（何时转入人工服务）
用户评价管理
数据化商业决策
第五步：运营迭代

对话系统的生命周期（了解）
与传统软件开发不同，需要设计故事线，考虑不同平台，要善于使用用户的对话日志，通过分析日志来完善系统。