最具“情商”的新一代智能机器人来了！能读懂上下文

这个模型在实验中得到的数据令人惊喜。晓多从真实电商聊天志中抽取了若涉及上下的问答样本，构造两份意图识别测试集，分别对应两个电商领域，对发现结合上下预测的模型效果远超只根据单句预测的模型：

recall(召回率)=机器人正确识别的问题数/问题总数;

Precision(精确率)=机器人正确识别的问题数/机器人已识别的问题数;f1core=2*precision*recall/(precision + recall) ，表示综合考虑召回率和精确率的评分;

这些工作并不是想到就可以做到的，对机器人的训练需要大量的数据，迁移学习能力是晓多能够实现这些创新的关键。

“人工智能的深度学习，突出的特点就是对数据的依赖非常大，”张翀说，“因为深度学习模型的参数非常多，你可以理解为它是一个更复杂的智能体，数据是它学习的依据，它要学习的东西越多，需要的数据就更多，而你给它的数据越多，它也越聪明。”

目前，晓多的标注团队从上百亿的数据中进行分析提取的价值样本，提供给机器学习进行数据训练。

如果每一步都需要人工设计，从发现场景、总结规律，到最后开发、测试、上线，可能需要至少两周的时间才能扩展一个场景，张翀介绍说，而使用这样的数据标注让机器进行深度学习，只需要几天的时间，就可以同时扩展几十个场景、几百个产品。

各个行业的电商客服需要应对的场景虽然有很多差异，但有一些数据却是通用的，包括关于快递物流的问答等。晓多对标注好的数据进行了模块拆分，区分出通用数据，当机器人需要对新行业进行学习时，可以直接使用这些标注好的通用数据，实现迅速的扩展学习。

谈到数据、算法和计算能力的关系，张翀认为，数据是基础，大数据为机器学习装上引擎;算法是核心，将人工智能带到全新高度;而计算能力是保障，为算法的实现提供坚实的后盾。

不止于此，顾客体验迎来后智能化时代

从售前的商品导购，到售中咨询运费、活动赠品等，目前，晓多的上下文语义项目已经投入使用，覆盖了多种电商服务场景。这仅仅只是这项技术投入应用的第一步，晓多的业务计划中，还涉及到更多的业务铺开。在售前，顾客可能会要求客服进行商品推荐，他们的需求点信息包含在整个对话过程中。传统的客服机器人只能根据顾客最后的需求进行推荐，而晓多机器人会对顾客的会话信息进行分析，更加准确地识别到顾客的真实需求，推荐给顾客符合心意的产品。

点击图片查看详细内容

另外，对于电商行业中热门的服装领域来说，售前的服装尺码推荐是客服经常会遇到的问题，店铺内大量商品的尺码各不相同，尺码问题会耗费客服大量的人力。通过上下文识别的手段，客服机器人可以获取顾客的尺码信息，准确地进行尺码推荐。

点击图片查看详细内容

在销售过程中，顾客常常要询问运费问题，这就涉及到了首次购买和退换货两种场景。没有上文语境，机器人就只能解读出“运费”，而不能准确地判断顾客询问的是首次购物运费还是退换货运费，可能导致错误的回复。而在加入了上下文理解后，机器人能够准确判断顾客的实际问题，准确地回复此类问题。

点击图片查看详细内容

另一个常见的售中场景是关于活动赠品的问题。当店铺进行活动优惠提供赠品时，顾客的提问可能不是针对商品，而是针对赠品，需要机器人通过语境来识别，防止混淆这两个方面的提问，给出张冠李戴的答案。

这项技术不但可以应用在智能对话上，智能营销、智能质检、情绪识别……客服行业中还存在着更多未被开发的可能性。

对于晓多来说，这意味着他们为顾客提供的服务，向超专家级更进了一步。“我们现在可能只是把它应用在语义识别上，但后续我们在其它业务线上还可以继续铺开。我们把它当成一个基础的能力，一个支撑我们整个公司的算法产品。”张翀说。

晓多也期待着，上下文语义识别可以作为技术基石应用到行业各个方面，通过推开这项技术的应用，机器人可以自动生成尺码表，自动获取个性化对话内容进行系统自动萃取对接等等，机器人行业一直以来由人工配置的时代可能走向终结，而迎来一个从数据中学习后智能化自动生成的时代。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!