做过了40+个机器人的总结：对话机器人核心功能-巨人网络通讯

主页 > 知识库 > 做过了40+个机器人的总结：对话机器人核心功能

做过了40+个机器人的总结：对话机器人核心功能

看着似乎挺抽象是吧？没事，我们后面会具体讲。简单地说，现在的AI技术决定了对话机器人可以解决的问题是：某个特定行业领域下，基于某类特定问题，提供简单固定的解答/服务。上述的吃早餐对话场景，如果是一个早餐机器人，它会怎么做呢？假设它的工作流程是：询问早餐需求- 做早餐，那么，询问早餐需求跟你的对话应该是这样的： Bot：早上好，请问你早餐想吃什么呢？（提供选项：粥，包子，面包，花生汤）你：我想喝粥 Bot：好的。那您喝粥配荷包蛋可以吗？你：好啊，我刚想吃荷包蛋 Bot：吃一个还是两个呢？你：一个就好了 Bot：再配点腐乳吗？你：好呀看完这段你可能会说：这效果不是跟我和我妈的对话一样嘛！机器人真的有这么厉害吗？答案是NO，机器人并没有那么厉害。为什么？我们从刚才说的对话机器人可解决的问题看。 1.2.1 特定行业领域的特定问题上述的对话是基于吃早餐这个话题对应的饮食这类领域而定的。如果是所有领域（或者说是开放阈），机器人是处理不了的。比如你突然问它：我的快递单号是多少，它可能就没法解答。因为它只是针对你吃早餐的机器人。问快递单号的话，你可以打开淘宝，让阿里小蜜机器人回答你：） 1.2.2 提供简单固定的解答/服务机器人只能提供固定流程的解答与服务，并不能解答复杂、随机性太大的对话问题。比如刚才的对话，机器人说：早上好，请问你早餐想吃什么呢？而你说：有锅边糊吗（注解：锅边糊是福建早餐小吃）机器人可能压根就不知道你在说什么。因为机器人的这个问题，是有人为的预设值，若访客回复内容，未落在预设值内，就会出现机器人无法处理的问题。所以，在设计机器人时，需要了解当机器人发问后，访客可能会说的内容。语言本身就是开放阈的内容，访客会说什么，设计者只能按照概率大小去设计，尽量去覆盖，并无法穷尽访客的说法。而访客的语言，又受到个人因素、当时环境因素的影响，从本质上来说，这是永远的矛盾点。因此，对话机器人能解决的对话问题，是所有对话语言问题中的一部分，或者说一小部分。虽然对话机器人做不了非常智能、随机性很大的对话问题，但是在某些领域，对话机器人还是可以很高效、便捷地帮人处理很多对话问题。比如智能客服领域、系统内人力资源问答领域等等，这也是目前对话机器人的价值应用领域。二、机器人对话 2.1 用户对话场景既然对话机器人是针对某个特定行业领域的对话，那么在设计对话功能之前，第一步是需要明确，对话机器人解决的是哪个行业领域，什么访客，具体什么场景的的问题。这是对话机器人的框架与边界，只有先确定，后面的设计才可以进行。 2.1.1 确定行业领域比如：电商行业、金融行业、医疗行业等等，行业决定了访客特性、机器人应答策略、机器人知识库内容与结构。 2.1.2 确定对话场景比如：售后场景、售前场景、企业内部接待支持、微信群聊等等。不同的对话场景，可能对应不同的对话目的，决定了机器人该如何应答。场景往下拆分，根据颗粒度从大到小，又可分为：场景- 意图，指的是场景从大到小的拆分。有的机器人根据业务需要，还会更细地拆分为：场景- 主题- 意图（父意图）- 意图（子意图）。每个意图下分别对应不同的机器人对话流程，同时流程间会设定各种规则，以应对在对话中访客不同的发问情况。如何确定对话场景？一般需要AI训练师/AI PM，根据行业内的场景情况，通过人工对话数据，或查阅相关资料/访谈的方式，了解行业场景特性，并拆分出具体的访客意图。比如：在电脑培训售前场景中，根据访客对话场景，会划分咨询网页设计、咨询JAVA课程、咨询SEO课程，咨询Python课程等等。常见的，对话场景的数量，一般在20个-50个之间不等（当然，某些特定对话场景会超出这个范围）。对话场景的划分，需遵循MECE原则：相互独立，完全穷尽。即：所有意图需覆盖所有的访客意图情况（完全穷尽），且意图之间尽量相互独立，互不交叉（相互独立）。这会为后续的应答策略，做一个良好的场景设定，让后续的对话设计更好进行。 2.2 机器人应答策略虽然不同的对话场景中，机器人具体的应答策略是不一样的：比如售后场景的机器人主要以解答为主，而售前场景的机器人是引导访客留联。但是在所有场景的机器人中，是有一套适用于对话机器人设计的应答策略方法论的，差别点在于具体落地机器人的实现展示方式。 2.2.1 单轮对话、多轮对话根据机器人与访客对话形式的不同，可以将对话形态划分为单轮对话、多轮对话，通俗地讲即：你想让机器人如何解决访客的问题。 2.2.1.1 单轮对话：访客问一个问题，机器人立即回答比如：访客：你们培训地点是在哪儿啊？ BOT：我们是在海淀区知春路25号百事大厦13楼这类访客问题中，访客问的是一个客观的，不随访客信息/其他信息等的不同而不同的回答。即：不论访客是小明，还是小红，培训地点它永远都是海淀区知春路25号百事大厦13楼。所以机器人只需要根据事实（通常将该类知识配置在知识库中），直接回答即可。由于其交互是一问一答，在一个对话轮次中即可解决问题，故称之为单轮对话。 2.2.1.2 多轮对话：访客问一个问题，机器人通过询问访客信息，根据访客不同的信息作出回答比如：访客：我可以报六级英语培训班吗 BOT：请问下您通过四级英语考试了吗？访客：通过了 BOT：嗯好的，您可以报六级英语培训班的，这边登记下您的信息这类访客问题中，若要进行回复（无论是机器人/人工），则需确定某些参数信息才可回复。是否通过四级英语考试，是上述例子中的参数变量。通过对应一个回答；未通过则对应另一个回答。机器人需要通过询问访客这些信息，才能进行回答。所以对话需要进行多轮的交互，一般为机器人询问-访客答的方式，故称之为多轮对话。这两种对话形式，也构成了目前对话机器人的对话，是对话的框架基础。为什么没有其他类型的对话形式呢？原因很简单，因为现有的NLP技术，在支撑具体业务场景下，这两种对话形式是最有效的。或者换句话说，暂时没有第三种方式让机器人更好地服务访客。而对话机器人的设计，主要在于对话策略的设计，具体表现在对话流程的逻辑设计。单轮对话由于其一问一答的形式，基本不需要对话逻辑的设计，其重点在于知识的构建和回答的设计。所以，对话设计的重点，在于多轮对话的设计。 2.2.2 多轮对话设计多轮对话的设计要点：场景、对话流程、信息流转。 2.2.2.1 场景定义对话场景，行业内机器人的做法主要是通过意图定义场景。比如：咨询Python课程这个意图，通过对意图的解答和服务，来完成机器人对话。 2.2.2.2 对话流程这个是对话机器人的核心，包括：对话流程如何运转、异常情况该如何处理、多轮对话与单轮对话的协作配合。 2.2.2.3 信息流程对话内的信息，是对话的核心要素。所以需要设计：对话内信息如何流转；同时，由于机器人是需要和对话外的系统做信息交流，所以也需设计对话外信息如何与对话内信息进行交互流转。 2.3 核心功能要点 2.3.1 场景识别场景识别，是对对话场景、用户意图的识别。这也是对话中体现AI技术运用的核心功能。行业内主流的做法，是用意图来定义，对应的AI技术就是意图识别，本质上是一种分类算法。比如：咨询Python课程这个意图，需要提供访客关于这个意图的各式各样的说法，进行模型训练，从而教会模型去识别。所以需提供让用户可进行意图定义、语料定义的功能，让用户可进行配置。通常的做法是： 2.3.1.1 让用户构建语料主要有2种方式：

标签：鄂州四平通辽雅安台湾扬州保定廊坊

巨人网络通讯声明：本文标题《做过了40+个机器人的总结：对话机器人核心功能》，本文关键词做,过了,40+,个,机器,人的,；如发现本文内容存在版权问题，烦请提供相关信息告之我们，我们将及时沟通与处理。本站内容系统采集于网络，涉及言论、版权与本站无关。