智能客服系統(tǒng)的技術(shù)架構(gòu)：
1、基于知識庫回答的智能客服系統(tǒng)
基于知識庫回答的智能客服系統(tǒng)，使用的檢索或者分類模型來實現(xiàn)的。
檢索式回答的流程是：
首先對用戶的輸入問題做處理，如分詞、抽取關(guān)鍵詞、同義詞擴(kuò)展、計算句子向量等；
然后基于處理結(jié)果在知識庫中做檢索匹配，例如利用BM25、TF-IDF或者向量相似度等匹配出一個問題集合，這類似推薦系統(tǒng)中的召回過程；
由于我們是一個問答系統(tǒng)，最終是直接返回給用戶一個答案，因此需要從問題集合中挑出最相似的那個問題，這里會對問題集合做重排序，例如利用規(guī)則、機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)模型做排序，每個問題會被打上一個分值，最終挑選出top1，將這個問題對應(yīng)的答案返回給用戶，這就完成了一次對話流程。
在實際應(yīng)用中，我們還會設(shè)置閾值來保證回答的準(zhǔn)確性，若最終每個問題的得分低于閾值，會將頭部的幾個問題以列表的形式返回給用戶，最終用戶可以選擇他想問的問題，進(jìn)而得到具體的答案。
2、基于槽位填充的多輪對話系統(tǒng)
任務(wù)型技能：在問答型技能的基礎(chǔ)上，增加槽位、API（接口）調(diào)用等高級功能，可以通過配置，來實現(xiàn)用戶查詢信息、問題搜索或者其他功能。
了解該系統(tǒng)我們先熟悉一下幾個名詞的釋義：
�。�1）意圖
機(jī)器人與人的聊天，大體上可以分為“閑聊”和“有具體意圖的聊天”二種類型。
“閑聊型”機(jī)器人根據(jù)“聽”到的語句做出對應(yīng)的反應(yīng)，因為話題天南海北沒有限制，所有設(shè)計者需要處理各種各樣可能的對話。閑聊型機(jī)器目前主要應(yīng)用在娛樂、陪伴、接待等領(lǐng)域。
在實際生產(chǎn)環(huán)境中，用的更多的是“意圖型”機(jī)器人。這類機(jī)器人首先會通過引導(dǎo)語來引導(dǎo)客戶說出想要辦理的事務(wù)。由于客戶的說法五花八門，這時，設(shè)計者就需要為“意圖”羅列各種“說法”。只要用戶的“說法”滿足了預(yù)先定義的規(guī)則，就認(rèn)為客戶的說法命中這個“意圖”。
舉個例子，機(jī)器人會先說出歡迎詞，然后提示客戶：“您可以查詢天氣或者查詢航班”。這時客戶可能會說“我想查一下長沙的天氣”，也可能會說“看一下明天的天氣怎么樣？”，機(jī)器人都認(rèn)為客戶的意圖是“查天氣”。
知道了客戶的意圖后，就需要用“填槽”技術(shù)來收集處理這個“意圖”所需要的信息項（稱之為“槽位”）。
還是以“查天氣”這個意圖為例，通常情況下，我們至少需要知道時間和城市，所以就有了“時間”、“城市”二個槽位需要填充。如果用戶問話是“我想查一下長沙的天氣”，這時“城市”槽位已經(jīng)填充，但是缺少“時間”信息。這時我們就可以用到填槽中的“反問”技術(shù)，詢問“您想查詢哪一天的天氣？”，從而引導(dǎo)客戶提供時間信息。
使用“意圖”和“填槽”技術(shù)，就能夠有針對性地收集所需要的信息，以便完成下一步的操作，最終實現(xiàn)查詢、咨詢、下單等類型的機(jī)器人服務(wù)任務(wù)。
當(dāng)然，一個完整的電話機(jī)器人，需要用到電話交換、語音識別、語音合成、話術(shù)交互等多方面的技術(shù)。如果不想專注那么多細(xì)節(jié)，集成商也可以直接使用中間層產(chǎn)品，例如朗深電話AI中間件等，這些產(chǎn)品都提供了豐富的接口，可以幫助集成商快速將電話機(jī)器人集成到自己的業(yè)務(wù)應(yīng)用。
�。�2）技能
技能是滿足用戶特定需求的一個應(yīng)用。例如用戶說“查詢我的洗發(fā)水快遞到哪里了”時，會進(jìn)入快遞查詢的技能。
�。�3）問答型技能
通過Q（用戶問法）和A（機(jī)器人回答）的配置，可以實現(xiàn)簡單的用戶與機(jī)器人的對話。
任務(wù)型技能：在問答型技能的基礎(chǔ)上，增加槽位、API（接口）調(diào)用等高級功能，可以通過配置，來實現(xiàn)用戶查詢信息、問題搜索或者其他功能。
�。�4）追問
當(dāng)用戶問法中沒有提供該語義槽值時，機(jī)器人要對其自動發(fā)起追問。
例如用戶問：天氣怎么樣？我們無法獲取到查詢天氣的地點的語義槽值，就需要機(jī)器人追問，您想獲取哪里的天氣信息？，追問話術(shù)一般設(shè)置多條，隨機(jī)追問。
在國內(nèi)開放的bot系統(tǒng)中，百度UNIT和微信的對話開放平臺就是應(yīng)用的該技術(shù)框架。
一個自然語言對話系統(tǒng)，理解的核心任務(wù)是對意圖的解析和對詞槽的識別。
例如：訂明天早上8點北京到石家莊的火車，在這個例子中，對于用戶表達(dá)的一句話，它的意圖是要訂火車票，其中涉及的詞槽包括出發(fā)地、目的地、時間。當(dāng)這個時間有多趟車次的時候，就需要進(jìn)行追問用戶，是要訂哪一個。
以百度UNIT平臺為例，搭建一個買票智能回復(fù)的流程。
需求分析：訂火車票需要知道時間、出發(fā)地、目的地
新建一個BOT，命名為：火車票
新建對話意圖：命名訂票
添加詞槽：出發(fā)時間、選擇系統(tǒng)詞槽詞典，選擇然后選擇系統(tǒng)詞典sys_time(時間)，出發(fā)地詞槽、目的地詞槽，這兩個都可以選擇系統(tǒng)詞典，這些都是必填項。
設(shè)置詞槽與意圖關(guān)聯(lián)屬性，這里火車票的出發(fā)時間是訂票里必須的關(guān)鍵信息，所以選擇必填。澄清話術(shù)就是當(dāng)用戶表達(dá)訂票需求的語句里缺少出發(fā)時間時bot主動讓用戶澄清的話術(shù)。還可以設(shè)置讓用戶澄清多少輪后放棄要求澄清，默認(rèn)是3次。
設(shè)置BOT回應(yīng)，BOT回應(yīng)就是當(dāng)BOT識別出用戶的意圖和所有必填詞槽值時給用戶的反饋。對于訂票回復(fù)一般對接API接口，實現(xiàn)自動生成方式。
當(dāng)然，這只是火車票中的一個場景，在火車票這個場景中還有退票、改簽、查詢等功能。這些都是需要我們在需求梳理中要確定的。
