用智能技术驱动客户服务

自动化异构知识加工、深度语义理解、意图识别、多轮上下文交互、深度聊天引擎、自主强化学习

立即体验

成熟完善的技术框架支持

  • 知识图谱数据层用于知识图谱、数据回流、机器学习训练、数据挖掘/离线模式以及多维度数据分析等
  • 多模交互技术层包含多轮交互、多模交互、推荐预测、用户模型、文本模型、语音识别、图像识别等
  • 服务层服务层有多种划分方式,按照领域可以划分为服务、导购、物流、聊天以及其他常见服务领域
  • 输出平台输出平台目前包括:网页、微信、H5、微博、实体机器人、大屏、支付宝、钉钉等多种渠道
成熟完善的技术框架支持

智能人机语音交互场景化流程

人机对话为企业的产品或服务提供优质的人机对话功能,流程如下:
语音识别语音输入后进行语音识别(ASR)
自然语言理解转成文本的方式进行自然语言理解(NLU)
上下文通过语义表示和上下文进入对话管理(DM)
自然语言生成根据上下文和语义表示进行自然语言生成(NLG)
文本转语音将生成的文本转语音(TTS)输出给用户
智能人机交互语音交互场景化流程

语义意图识别的技术流程

语义意图识别语义意图识别为企业提供标签提取、自动归类等功能服务:
分词词性标注进行自然语言的基本处理,同时进行分词词性标注及NER
数据沉淀与积累数据沉淀与积累的过程需要上下文模型和领域数据模型
意图识别分类和意图属性抽取在整个技术流程中,意图识别分类和意图属性抽取极为重要
意图语义最后,需要传达的信息通过意图语义表示输出给对话管理系统
语义意图识别的技术流程 语义意图识别的技术流程
深度学习意图识别方案 深度学习意图识别方案

深度学习意图识别方案

—— 左图为两种深度学习模型的实现方案

方案方案一是多分类的方案:
用户特征构建将因子+行为相关的用户特征构建成N,文本特征构建成V
特征向量化将这两个维度的特征向量化
中间层在中间层简单地将两个向量进行拼接
Softmax通过Softmax进行多分类
底层操作方案二的底层操作同方案一,两者的不同之处在于后者采用多个二分类

语义挖掘示意图

语义挖掘 问答型领域首先需要构建知识图谱,知识图谱构建的第一步需要进行语义挖掘,语义挖掘分为同义语义挖掘、词和短语挖掘以及Pattern构造:
潜在语义分析 在同义语义挖掘中会采用文本相似度计算、潜在语义分析、聚类等相关技术
词和短语挖掘 词和短语挖掘通过种子词获取、深度挖掘,还可以通过Pattern构造模板匹配

语义挖掘

语义挖掘

知识图谱示意图

知识图谱示意图 右方的知识图谱示意图由实体—关系—实体的RDF三元组构成,天然支持实体间上下文与推理
核心知识的维护 把核心知识的维护带给业务的成本降到最小,不需要维护复杂相似问法,通过技术挖掘生成可扩展图结构
知识图谱精确匹配率 该知识图谱精确匹配率相比之前的机器人匹配模型提升10%,用户体验得到进一步提升
智能客服机器人 机器客服 在线客服 客服系统 外呼机器人 电话机器人 服务机器人

检索计算模型

  • 知识图谱构建知识图谱构建完成后也可以用在检索计算模型中,经典的检索计算模型架构如下图所示
  • 提升检索模型为保证精准度会提升检索模型的阈值,目前检索模型的匹配量占到全局匹配的5%-10%
检索计算模型

即刻拥有您的专属机器人

马上体验

联系我们

  • 北京市朝阳区建国路88号SOHO现代城D座909室

    赵先生 18511321172

  • 南京市江宁区胜利路89号紫金研发创业中心3号楼4层

    market@faqrobot.org

    025-66048806

  • 广州市天河区林和西路167号威尼国际大厦836室

    负责区域:广东、广西、湖南、福建、海南

    何小姐 18620991991