目录
自然语言理解(Nature Language Understanding)
自然语言生成(Natrual Language Generation)
场景
chatbot要代替的是类似这种场景:
垂直领域的客服系统,用户产生大量相似疑问和需求,目标明确或半明确且可能需要引导。
而客服(chatbot)具有领域专业知识(知识图谱)与丰富问答经验(问答历史数据),可以快速解决用户问题和需求。chatbot解决不了的,再转到人工客服。
很多场景可能最频繁的前十个问题已经可以解决大部分用户问题,而chatbot的优势在于可以自动获取用户画像、快速读取海量知识库、通过多轮对话快速给出个性化答案。
类似的场景,如医院科室咨询、商品售后服务、淘宝客服、证券投资咨询、银行业务办理等。这些场景真正落地和解决的感觉还不多,任重而道远。
方案
方案1、规则
方案2、问答库
维护一个庞大的问答数据库,通过计算句子之间的相似度,寻找数据库中与用户问题相似的问题,然后给出相应答案。由于用户会提很多重复问题,所以每一个新问题都会和已有问题做匹配,如skip-thought计算句向量方法。

本文探讨了chatbot在客服场景的应用,从规则、问答库、自然语言架构到深度学习的解决方案。重点介绍了自然语言理解、对话管理和生成,并推荐了Rasa开源工具。最后提到了端到端深度学习chatbot的可能性。
最低0.47元/天 解锁文章
1645

被折叠的 条评论
为什么被折叠?



