隨著人工智能、移動互聯網、大數據的飛速發(fā)展，加上新媒體平臺的日漸凸起，多渠道接入、時刻接入、多量接入的客服咨詢已經成為常態(tài)。對于本身就已經是飽和狀態(tài)的傳統客服來說，無疑是雪上加霜。而智能客服機器人的出現，給客服行業(yè)帶來了希望的曙光，也給客服行業(yè)的變革注入了新力量。
智能客服系統的技術架構：
1、基于知識庫回答的智能客服系統
基于知識庫回答的智能客服系統， 使用的檢索或者分類模型來實現的。
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、抽取關鍵詞、同義詞擴展、計算句子向量等； 然后基于處理結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，這類似推薦系統中的召回過程； 由于我們是一個問答系統，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、機器學習或者深度學習模型做排序，每個問題會被打上一個分值，最終挑選出top1，將這個問題對應的答案返回給用戶，這就完成了一次對話流程。在實際應用中，我們還會設置閾值來保證回答的準確性，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，進而得到具體的答案。
2、基于槽位填充的多輪對話系統
任務型技能：在問答型技能的基礎上，增加槽位、API（接口）調用等高級功能，可以通過配置，來實現用戶查詢信息、問題搜索或者其他功能。
了解該系統我們先熟悉一下幾個名詞的釋義：
�。�1）意圖機器人與人的聊天，大體上可以分為“閑聊”和“有具體意圖的聊天”二種類型�！伴e聊型”機器人根據“聽”到的語句做出對應的反應，因為話題天南海北沒有限制，所有設計者需要處理各種各樣可能的對話。閑聊型機器目前主要應用在、陪伴、接待等領域。在實際生產環(huán)境中，用的更多的是“意圖型”機器人。這類機器人首先會通過引導語來引導客戶說出想要辦理的事務。由于客戶的說法五花八門，這時，設計者就需要為“意圖”羅列各種“說法”。只要用戶的“說法”滿足了預先定義的規(guī)則，就認為客戶的說法命中這個“意圖”。舉個例子，機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？”，機器人都認為客戶的意圖是“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，詢問“您想查詢哪一天的天氣？”，從而引導客戶提供時間信息。使用“意圖”和“填槽”技術，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，最終實現查詢、咨詢、下單等類型的機器人服務任務。當然，一個完整的電話機器人，需要用到電話交換、語音識別、語音合成、話術交互等多方面的技術。如果不想專注那么多細節(jié)，集成商也可以直接使用中間層產品，例如朗深電話AI中間件等，這些產品都提供了豐富的接口，可以幫助集成商快速將電話機器人集成到自己的業(yè)務應用。
�。�2）技能 技能是滿足用戶特定需求的一個應用。例如用戶說“查詢我的洗發(fā)水快遞到哪里了”時，會進入快遞查詢的技能。
�。�3）問答型技能通過Q（用戶問法）和A（機器人回答）的配置，可以實現簡單的用戶與機器人的對話。 任務型技能：在問答型技能的基礎上，增加槽位、API（接口）調用等高級功能，可以通過配置，來實現用戶查詢信息、問題搜索或者其他功能。
�。�4）追問 當用戶問法中沒有提供該語義槽值時，機器人要對其自動發(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，就需要機器人追問，您想獲取哪里的天氣信息？，追問話術一般設置多條，隨機追問。 在國內開放的bot系統中，百度UNIT和微信的對話開放平臺就是應用的該技術框架。 一個自然語言對話系統，理解的核心任務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。當這個時間有多趟車次的時候，就需要進行追問用戶，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、選擇系統詞槽詞典，選擇然后選擇系統詞典 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詞典，這些都是必填項。設置詞槽與意圖關聯屬性，這里火車票的出發(fā)時間是訂票里必須的關鍵信息，所以選擇必填。澄清話術就是當用戶表達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。還可以設置讓用戶澄清多少輪后放棄要求澄清，默認是 3 次。設置 BOT 回應，BOT 回應就是當 BOT 識別出用戶的意圖和所有必填詞槽值時給用戶的反饋。對于訂票回復一般對接API接口，實現自動生成方式。當然，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。
