用智能技術驅動客戶服務

自動化異構知識加工、深度語義理解、意圖識别、多輪上下文交互、深度聊天引擎、自主強化學習

立即體驗

成熟完善的技術框架支持

  • 知識圖譜數據層用于知識圖譜、數據回流、機器學習訓練、數據挖掘/離線模式以及多維度數據分析等
  • 多模交互技術層包含多輪交互、多模交互、推薦預測、用戶模型、文本模型、語音識别、圖像識别等
  • 服務層服務層有多種劃分方式,按照領域可以劃分為服務、導購、物流、聊天以及其他常見服務領域
  • 輸出平台輸出平台目前包括:網頁、微信、H5、微博、實體機器人、大屏、支付寶、釘釘等多種渠道
成熟完善的技術框架支持

智能人機語音交互場景化流程

人機對話為企業的産品或服務提供優質的人機對話功能,流程如下:
語音識别語音輸入後進行語音識别(ASR)
自然語言理解轉成文本的方式進行自然語言理解(NLU)
上下文通過語義表示和上下文進入對話管理(DM)
自然語言生成根據上下文和語義表示進行自然語言生成(NLG)
文本轉語音将生成的文本轉語音(TTS)輸出給用戶
智能人機交互語音交互場景化流程

語義意圖識别的技術流程

語義意圖識别語義意圖識别為企業提供标簽提取、自動歸類等功能服務:
分詞詞性标注進行自然語言的基本處理,同時進行分詞詞性标注及NER
數據沉澱與積累數據沉澱與積累的過程需要上下文模型和領域數據模型
意圖識别分類和意圖屬性抽取在整個技術流程中,意圖識别分類和意圖屬性抽取極為重要
意圖語義最後,需要傳達的信息通過意圖語義表示輸出給對話管理系統
語義意圖識别的技術流程 語義意圖識别的技術流程
深度學習意圖識别方案 深度學習意圖識别方案

深度學習意圖識别方案

—— 左圖為兩種深度學習模型的實現方案

方案方案一是多分類的方案:
用戶特征構建将因子+行為相關的用戶特征構建成N,文本特征構建成V
特征向量化将這兩個維度的特征向量化
中間層在中間層簡單地将兩個向量進行拼接
Softmax通過Softmax進行多分類
底層操作方案二的底層操作同方案一,兩者的不同之處在于後者采用多個二分類

語義挖掘示意圖

語義挖掘 問答型領域首先需要構建知識圖譜,知識圖譜構建的第一步需要進行語義挖掘,語義挖掘分為同義語義挖掘、詞和短語挖掘以及Pattern構造:
潛在語義分析 在同義語義挖掘中會采用文本相似度計算、潛在語義分析、聚類等相關技術
詞和短語挖掘 詞和短語挖掘通過種子詞獲取、深度挖掘,還可以通過Pattern構造模闆匹配

語義挖掘

語義挖掘

知識圖譜示意圖

知識圖譜示意圖 右方的知識圖譜示意圖由實體—關系—實體的RDF三元組構成,天然支持實體間上下文與推理
核心知識的維護 把核心知識的維護帶給業務的成本降到最小,不需要維護複雜相似問法,通過技術挖掘生成可擴展圖結構
知識圖譜精确匹配率 該知識圖譜精确匹配率相比之前的機器人匹配模型提升10%,用戶體驗得到進一步提升
智能客服機器人 機器客服 在線客服 客服系統 外呼機器人 電話機器人 服務機器人

檢索計算模型

  • 知識圖譜構建知識圖譜構建完成後也可以用在檢索計算模型中,經典的檢索計算模型架構如下圖所示
  • 提升檢索模型為保證精準度會提升檢索模型的阈值,目前檢索模型的匹配量占到全局匹配的5%-10%
檢索計算模型

即刻擁有您的專屬機器人

馬上體驗

聯系我們

  • 北京市朝陽區建國路88号SOHO現代城D座909室

    趙先生 18511321172

  • 南京市江甯區勝利路89号紫金研發創業中心3号樓4層

    market@faqrobot.org

    025-66048806

  • 深圳市南山區麻雀嶺工業區M10棟4樓A02

    負責區域:廣東、廣西、湖南、福建、海南

    劉先生 13137628525