智能客服系统的FAQ（问答对）需求分析及解决方-巨人网络通讯

主页 > 知识库 > 智能客服系统的FAQ（问答对）需求分析及解决方

智能客服系统的FAQ（问答对）需求分析及解决方

知识图谱的应用领域广泛，比如针对知识问答服务的应用就可以将知识图谱应用于智能客服、客服助手、任务型知识问答等应用中。这些应用都可以表示为问答系统的形式，即以人机交互的形式回答用户提出来的各类问题。针对知识问答，将知识类型划分为专业领域知识以及产品或业务介绍知识。比如医疗诊断知识图谱就属于专业领域知识，它需要首先构建疾病症状、药物、病理、病因、诊断方法等相关的领域知识之间的关系；另外回答这类知识除了需要基本的专业知识以外，还应具备知识推理能力。而产品或业务介绍知识的问答就不要推理了，这些知识是人为设定的，它是固定不变的，或者即使会更新那也是人为定期定点的进行更新的，常见的知识表现形式有 FAQ【FAQ有三种含义：1. 常见的问题项目与对应问题的解答；2、良好平均品质；3、FAQ检索系统。】（问答对）等。今天，我们一起来了解下，智能在线客服系统如何利用FAQ来自动回答用户的有关产品或业务知识相关的问题。一、FAQ需求分析FAQ（Frequently Asked Questions）指常见问题的解答，具体形式是问题和与问题相关的答案组成的问答对（QA【QA（QUALITY ASSURANCE，中文意思是“质量保证”，其在ISO8402：1994中的定义是“为了提供足够的信任表明实体能够满足质量要求，而在质量管理体系中实施并根据需要进行证实的全部有计划和有系统的活动”。】 pair），通常这类 QA pair 数量较多。如果你发布了一款产品，那么你事先肯定会准备一些有关该产品的介绍资料，以便给需要了解该产品的用户查阅；而如果你的资料非常多非常全面，多到需要一本厚厚的产品说明书才能写完，然而对于不同用户来说他的关注点可能不尽相同，他也不想全面了解你的产品，他只是想了解他最关心的问题；如果让他去阅读一整本产品说明书那肯定是不方便的。于是你针对你的产品特点，或者之前来咨询了一些 FAQ，这样用户就可以根据 FAQ 来按图索骥得到答案了，更进一步你安排了一个客服来接待你的客户，让客服按照用户的问题来找到 FAQ 中这个问题下面的答案来回答用户。然而随着你的客户越来越多，你发现你的客服数量不够来及时回答每一个客户的问题；但是你还发现你的客户总是会问一些重复的问题，而这些重复的问题又可以在你的 FAQ 里面找到，那么能不能使用工具来自动回答FAQ里面的问题呢？这样就可以不再让客服在重复的问题之间疲于奔命了。所以我们需要一个智能客服，他可以不吃不喝7*24小时工作。你的客户可以把他想了解的问题发送给智能客服，然后智能客服就去FAQ知识库里面找一个和客户的问题最相似的问题（Q），然后将该Q所对应的回答（A）返回给客户，完成知识问答工作。使用机器学习算法【机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。】来解决这一需求的话，其实就是文本匹配任务了。做文本匹配有两个方向，一个是 QA 匹配，即直接使用用户的问题和问答知识库里面的答案去匹配；一个是 QQ【QQ是腾讯QQ的简称，是腾讯公司开发的一款基于Internet的即时通信（IM）软件。】匹配，即使用用户的问题和问答库里的问题去匹配。一般业界会推荐使用 QQ 匹配，主要原因有3：a、语义空间【语义空间即语言意义的世界。】问题用户的提问基本上比较随意、口语化，而 FAQ 里面的回答是由公司的产品经理、业务运营、客服经理等等制订和编辑的，必然是使用书面用语，这些表达上的区别可能会影响文本匹配模型的学习；另外回答可能是多模态的，比如可能是产品的安装操作视频、是表格、是图片等，这样文本匹配模型无用武之地。b、语料的稳定性在 FAQ 里面的回答可能会随着时间有所变化，比如对于同一个问题“你们有什么优惠活动吗？”，在不同时间段公司可能会制定不同的优惠活动，因此需要及时更新 FAQ 库里面该问题下的回答。如果我们使用 QQ 匹配建模，那么显然我们的模型不需要做修改更新；而如果使用 QA 匹配建模，就肯定要更新模型了。可以看到 FAQ 语料库里面已有 Q 是可以保持不变的，最多添加 QA pair 时会增加 Q ；而已有的 A 则发生变化的频率会更高。c、业务回答和算法模型充分解耦由第2点可以知道使用 QA 建模的话回答的改变必然会涉及模型的更新，而使用 QQ 建模就可以将算法模型的学习与业务方编辑答案充分解耦，让不同问题与回答之间的映射比较随意可控。二、解决方案那么我们该如何构建一个可以利用 FAQ 知识库来回答客户问题的智能客服呢？智能客服的一般框架如下图所示：当有 Query 请求时，首先对 Query 进行补全、解析和需求理解；其次，问题召回模块通过精准召回、核心召回和语义召回从 FAQ 库召回与 Query 相关的问题；接着，问题排序模块通过 CTR 模型或者文本相似度模型对召回的问题进行排序，选出 Top k 返回给用户；最后，反馈系统记录用户的点击行为等，对模型进行更新。在智能客服的框架中，最重要的模块是 FAQ 库的构建、语义召回、相似度模型和模型更新，它们性能的好坏对用户的使用体验有很大影响。以上就是智能客服系统的FAQ需求分析及解决方案了。

标签：公主岭合肥昆明河源抚顺德宏本溪巴中

巨人网络通讯声明：本文标题《智能客服系统的FAQ（问答对）需求分析及解决方》，本文关键词智能,客服,系统,的,FAQ,问,；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。