劉宸 毛琦 李彥 朱曉芒 董文欣

摘 要：智能應(yīng)答系統(tǒng)是一種基于自然語言處理（NLP）的運(yùn)行在互聯(lián)網(wǎng)上的高性能軟件。自然語言處理主要步驟包括分詞、詞法分析、語法分析、語義分析等。該系統(tǒng)在高校信息化用戶服務(wù)領(lǐng)域的有效應(yīng)用，可有效解決傳統(tǒng)人工服務(wù)成本高、服務(wù)時間受限、客服培訓(xùn)費(fèi)用高、服務(wù)渠道單一等諸多問題，并能有效減少人為錯誤，規(guī)范服務(wù)標(biāo)準(zhǔn)，增強(qiáng)用戶體驗(yàn)，滿足不間斷服務(wù)，提供用戶服務(wù)大數(shù)據(jù)的采集和分析。

關(guān)鍵詞：智能應(yīng)答；自然語言；服務(wù)；NLP

中圖分類號：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-8454（2019）03-0043-03

一、引言

隨著互聯(lián)網(wǎng)技術(shù)和信息技術(shù)的飛速發(fā)展，高校信息化服務(wù)逐步向智能化、網(wǎng)絡(luò)化和個性化的方向發(fā)展。與此同時，人工智能迅速發(fā)展，對于機(jī)器人替代人工去做一些重復(fù)性、計算量大的工作來說，有巨大的潛力空間。在此背景下，一些巨頭公司已經(jīng)朝此方向發(fā)力并推出一系列智能語音助手的產(chǎn)品，例如蘋果的Siri、微軟的Cortana、Google Now、百度語音助手等，在一定程度上滿足了人們獲取百科知識、查詢生活信息、控制智能家居，特別是聊天娛樂等情感方面的需要。[1]但是對于相對專業(yè)的業(yè)務(wù)領(lǐng)域，比如政務(wù)、教育、電商、金融等，上述產(chǎn)品無法得到深入應(yīng)用并解決相關(guān)專業(yè)問題。

為幫助師生解答網(wǎng)絡(luò)使用和應(yīng)用系統(tǒng)相關(guān)問題，筆者學(xué)校網(wǎng)絡(luò)信息中心提供了網(wǎng)站、熱線電話、微信、郵箱等途徑，但這些傳統(tǒng)服務(wù)方式都存在諸多弊端。然而通過借助以自然語言處理、語音識別、圖像識別和深度學(xué)習(xí)等為主的人工智能技術(shù)構(gòu)建的智能應(yīng)答系統(tǒng)，在信息化服務(wù)中，能幫助高校與用戶實(shí)現(xiàn)智能化人機(jī)交互，可有效減少客服成本、提升服務(wù)質(zhì)量。[2]

二、高校信息化服務(wù)的痛點(diǎn)

高校信息化服務(wù)一直面臨煩瑣復(fù)雜的困境。故障發(fā)生，電話聯(lián)系；人工辦理，紙質(zhì)記錄；方式單一，效率低下；服務(wù)時間難以保障。迫切需要借助智能化、自助化的手段來滿足高校信息化高速發(fā)展的需求。

（1）多渠道整合：智能化移動設(shè)備普及，導(dǎo)致服務(wù)入口多樣化，咨詢從不同渠道反饋而來，客服缺乏統(tǒng)一的工作平臺，工作需要在多平臺之間切換，人工作業(yè)忙碌低效。

（2）服務(wù)時效性：高校信息化快速發(fā)展，傳統(tǒng)服務(wù)渠道無法支撐服務(wù)的時效性，客戶問題不能及時解決，甚至經(jīng)常需要排隊(duì)等待。

（3）重復(fù)性解答率高：用戶咨詢問題重復(fù)率極高，需要消耗客服大量的時間去回答相似問題，最終造成了客服人力成本居高不下。

（4）行業(yè)專業(yè)性：高校信息化服務(wù)往往以咨詢服務(wù)為主，用戶咨詢多涉及信息化專業(yè)術(shù)語及政策，常規(guī)的客服培訓(xùn)難以滿足高校特定需求。

（5）內(nèi)部協(xié)同處理：除了較為復(fù)雜的使用場景和操作之外，高校信息化服務(wù)面對的客戶問題，往往不僅僅是簡單的售前售后咨詢，還需要中心內(nèi)部多個部門共同協(xié)助解決。如果內(nèi)部流轉(zhuǎn)制度不夠順暢，就無法確保用戶問題的流暢流轉(zhuǎn)和處理效率。

（6）數(shù)據(jù)孤島：不能跟蹤客戶數(shù)據(jù)，無法分析用戶行為，不能指導(dǎo)客服和其他部門全面對接，無法對用戶服務(wù)大數(shù)據(jù)進(jìn)行收集、整理和分析。

（7）服務(wù)方式轉(zhuǎn)型：服務(wù)需求量增大，用戶從傳統(tǒng)的信息接收者轉(zhuǎn)變?yōu)樾枨筇岢龇?，以往的客服被動服?wù)難以滿足消費(fèi)者增長需求。

三、系統(tǒng)總體架構(gòu)與關(guān)鍵技術(shù)

1.系統(tǒng)架構(gòu)圖

采用人工智能技術(shù)搭建的智能應(yīng)答系統(tǒng)，包括用戶接入、客戶服務(wù)和服務(wù)管理三大組成部分，形成一個完整流轉(zhuǎn)的閉環(huán)系統(tǒng)。西安交通大學(xué)智能應(yīng)答系統(tǒng)結(jié)構(gòu)如圖1所示。各主要模塊功能定義如下。

（1）用戶接入基于一個通用平臺連接現(xiàn)有門戶網(wǎng)站、微信公眾號、QQ群、手機(jī)APP、智能硬件機(jī)器人等的互動交流平臺，線上線下互補(bǔ)，全渠道用戶接入。

（2）客戶服務(wù)涵蓋全功能服務(wù)、服務(wù)過程跟蹤和協(xié)作平臺，包括機(jī)器人客服、人工在線客服、云呼叫中心和工單系統(tǒng)。提供人機(jī)協(xié)作模式可以滿足機(jī)器人無法回答的復(fù)雜問題自動無縫轉(zhuǎn)接至人工回復(fù)，機(jī)器人可以自動學(xué)習(xí)人工的回答。無人工協(xié)作的情況下，未解答的問題實(shí)現(xiàn)自動記錄、持續(xù)學(xué)習(xí)和訓(xùn)練。

（3）服務(wù)管理包括用戶關(guān)系管理、客服智能質(zhì)檢及培訓(xùn)，通過分析用戶服務(wù)大數(shù)據(jù)，建立客戶精細(xì)分類、刻畫客戶畫像、服務(wù)營銷管理、進(jìn)行輿情分析決策。

2.自然語言處理技術(shù)

智能應(yīng)答系統(tǒng)的核心技術(shù)是基于自然語言處理的相關(guān)技術(shù)，包括知識庫和語料庫的建設(shè)、文本的切分和標(biāo)注、句子的語法分析和語義分析等。[3]

自然語言處理主要步驟包括分詞、詞法分析、語法分析、語義分析等。其中，分詞是指將文章或句子按含義、以詞組的形式分開，其中英文因其語言格式天然進(jìn)行了詞匯分隔，而中文等語言則需要對詞組進(jìn)行拆分。詞法分析是指對各類語言的詞頭、詞根、詞尾進(jìn)行拆分，各類語言中名詞、動詞、形容詞、副詞、介詞進(jìn)行分類，并對多種詞義進(jìn)行選擇。語法分析是指通過語法樹或其他算法，分析主語、謂語、賓語、定語、狀語、補(bǔ)語等句子元素。語義分析是指通過選擇詞的正確含義，在正確句法的指導(dǎo)下，將句子的正確含義表達(dá)出來。[4]

四、系統(tǒng)設(shè)計與實(shí)現(xiàn)

1.知識庫的建設(shè)

知識庫是知識的存儲器，用于存儲領(lǐng)域?qū)＜业慕?jīng)驗(yàn)性知識以及有關(guān)事實(shí)、一般常識等。知識庫包含三類知識：①基于專家經(jīng)驗(yàn)的判斷性規(guī)則；②用于推理、問題求解的控制性規(guī)則；③用于說明問題的狀態(tài)、事實(shí)和概念以及當(dāng)前條件的數(shù)據(jù)。其基本任務(wù)是提供問題求解以及問題解釋所需的知識。

知識庫是整個智能應(yīng)答系統(tǒng)的基礎(chǔ)，其中知識質(zhì)量的優(yōu)劣、層次的高低、數(shù)量的多寡決定了問題求解結(jié)果的科學(xué)合理性和求解問題的覆蓋范圍。[5]

（1）常規(guī)問題知識庫建設(shè)

以我校信息化服務(wù)為例，前期針對學(xué)生、教工和家屬三大類人群區(qū)分，梳理大量信息化服務(wù)工作中常見的問題和咨詢，做成一問一答的形式。并且對問題進(jìn)行歸納分類，比如分為常用語、常規(guī)問題、費(fèi)用、網(wǎng)絡(luò)郵箱申請、網(wǎng)絡(luò)使用、故障報修、應(yīng)用系統(tǒng)、NetID和校園卡、考勤等14大類，方便后期對知識庫進(jìn)行維護(hù)管理。

常規(guī)知識庫支持批量導(dǎo)入導(dǎo)出、自定義手動添加和從未識別問題中自動提取等多種方式更新添加。支持一個問題添加多個答案、富文本式答案、知識點(diǎn)關(guān)聯(lián)等，使內(nèi)容初始化更加便捷易操作。知識庫格式如表1所示。

（2）復(fù)雜流程知識庫建設(shè)

高校服務(wù)過程中，并不是所有的問題都可以通過一問一答的方式進(jìn)行解決，常常有很多較復(fù)雜的咨詢場景。如學(xué)生問到“上不了網(wǎng)了怎么辦？”這個問題，會出現(xiàn)多種不明確情況，只有找到上不了網(wǎng)的真正原因，才可具體解決學(xué)生的問題。對于這類缺失相關(guān)變量的復(fù)雜流程，可通過動態(tài)問答或者多輪會話的方式構(gòu)建知識庫，引導(dǎo)學(xué)生明確原因，進(jìn)而給出準(zhǔn)確回復(fù)。

2.提問和回答處理

智能應(yīng)答系統(tǒng)在提問和回答處理過程中分為：用戶問題全方位處理、用戶意圖精準(zhǔn)識別和回答輸出三個步驟，[6]其處理過程如圖2所示。

（1）用戶問題全方位處理

使用上下文對話系統(tǒng)進(jìn)行session切分；利用ngram特征、正則表達(dá)式特征、主題模型特征對用戶的問題進(jìn)行多維度的特征提?。籟7]使用NLP相關(guān)技術(shù)處理原始問題。如對問題進(jìn)行智能分詞，利用海量數(shù)據(jù)訓(xùn)練積累的基礎(chǔ)模型對分詞進(jìn)行糾錯、詞嵌入轉(zhuǎn)換等處理，融合上一步特征提取得到的多維度數(shù)據(jù)，最終得到用戶問題的高維空間向量表示。

（2）使用問題意圖識別模型在線進(jìn)行用戶意圖預(yù)測

將預(yù)處理得到的問題的高維空間向量表示輸入模型，進(jìn)行深度神經(jīng)網(wǎng)絡(luò)計算。計算結(jié)果輸出與標(biāo)準(zhǔn)知識庫中知識的匹配概率分布，通過置信區(qū)間過濾將要預(yù)測的用戶意圖。將用戶意圖定位到目標(biāo)問題。

（3）回答輸出

識別用戶意圖后，機(jī)器人按以下三種方式輸出回復(fù)反饋，全面場景應(yīng)對模式讓機(jī)器人容錯率極高，同時異常情況下用戶也很難感受到操作體驗(yàn)上的不適。①用戶提問描述準(zhǔn)確找到對應(yīng)標(biāo)準(zhǔn)問題，則輸出該問題的標(biāo)準(zhǔn)回答；②用戶提問較為模糊，對應(yīng)多個關(guān)聯(lián)度的問題或知識，則推送關(guān)聯(lián)度較高的問題和信息內(nèi)容，供用戶選擇，并提示用戶；③用戶所述問題不在知識庫范圍內(nèi)，且未找到相關(guān)知識，則推送常見問題，并對用戶的提問進(jìn)行記錄學(xué)習(xí)。

在回答輸出中可設(shè)置和輸出復(fù)合型回答內(nèi)容，包括圖片、鏈接、表格、流程化問答等，滿足了多元化的提問和復(fù)雜應(yīng)用場景的需求。最后對未識別問題記錄日志，通過在線日志挖掘、意圖聚類等方法在線訓(xùn)練問題識別模型，使模型的能力不斷增強(qiáng)。提問和回答處理如圖2所示。

3.學(xué)習(xí)和訓(xùn)練處理

問題識別模型構(gòu)建主要包括訓(xùn)練集構(gòu)建和問題識別模型生成兩步。其中訓(xùn)練集構(gòu)建包括問題收集、語料庫構(gòu)建、語料標(biāo)注等子步驟；問題識別模型生成包括模型訓(xùn)練、模型評測等子步驟，其處理過程如圖3所示。

問題收集和語料庫構(gòu)建采用人工和算法結(jié)合的方式，首先對問題領(lǐng)域進(jìn)行分析，找到種子問題。然后對種子問題進(jìn)行智能分詞，每個詞通過詞嵌入（word embedding）等NLP技術(shù)把相關(guān)的詞找出來，結(jié)合詞性標(biāo)注、位置序列等信息做笛卡爾積，構(gòu)建出大規(guī)模的語料庫。最后通過人工標(biāo)注對語料進(jìn)行標(biāo)注，去掉無效語料。然后結(jié)合深度學(xué)習(xí)的LSTM和卷積神經(jīng)網(wǎng)絡(luò)，對訓(xùn)練集進(jìn)行訓(xùn)練，通過模型評測保證訓(xùn)練質(zhì)量。當(dāng)準(zhǔn)確率達(dá)到判定閾值后對模型上線生效。

參考文獻(xiàn)：

[1]Robert Kass.Modeling Users Interests in Information Filtering[C].Proceedings 5th Text Retrieval Conference，2001：101-103.

[2]樊玉俊，和娜，左振哲，陳強(qiáng).智能機(jī)器人在銀行客服中心的應(yīng)用研究[J].農(nóng)村金融研究，2014（1）.

[3]郭慶琳，樊孝忠.基于自然語言理解的自動應(yīng)答系統(tǒng)[J].計算機(jī)工程，2004（13）：11-12.

[4]中國信息通信研究院，中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟.2018年人工智能發(fā)展白皮書（技術(shù)架構(gòu)篇）[R].2018.

[5]侯麗敏.基于網(wǎng)絡(luò)的智能答疑系統(tǒng)的研究與實(shí)現(xiàn)[D].開封：河南大學(xué)，2005.

[6]姚天順.自然語言理解：一種讓機(jī)器懂得人類語言的研究[M].北京：清華大學(xué)出版社，2002.

[7]鄭耿忠.自動分詞算法在智能答疑系統(tǒng)中的應(yīng)用研究[J].計算機(jī)工程與設(shè)計，2007（9）.

（編輯：王天鵬）