数据量较大情况下
现有机器人应答不准确
模型复杂,只能相似匹配
无法直接给出答案
多个渠道知识库不统一
存在重复工作
FAQ人工拆分
工作量巨大
一代典型技术:
模板化的规则推理机制;
关键词搜索机制。
优势:在小规模知识量下,问答一旦符合规则,较为精准。
劣势:技术陈旧,面临淘汰,维护工作量巨大,知识量巨大时,规则间互相冲突。
2008~2013
二代典型技术:
基于统计/打分机制的算法,寻找用户问句和FAQ的Q之间的相似度。
优势:无需撰写规则,采用自然语言处理技术。
劣势:拆分FAQ工作量大,需要编撰大量相似问,优化训练过程较长。
2014~2017
三代典型技术:
基于统一多渠道知识库、神经网络深度学习、知识图谱、知识自加工四大核心技术。
优势:统一多渠道知识库一次编辑多渠道应用,自动拆分FAQ;深度学习准确率高;知识图谱直接给出答案而不是找出相似问题。
劣势:训练模型需要大量的算力GPU,需要一定量的语料。
2018~未来
深度学习神经网络机制通过训练模型,实现自动化的意图识别;用户输入的自然语言经过模型分析,可以归属于某个意图;解决大数据量情况问答准确性问题。
知识图谱通过三元组构成的知识图谱关系直接给出答案;通过比较、组合、计算推理答案;解决模型匹配困难问题。
统一一套知识库,服务多个渠道;统一维护,联动管理,多方应用;解决多个渠道知识库不统一,重复工作问题。
知识自动加工智能拆分FAQ,自动解析知识对word、pdf、txt知识内容;自动根据段落、内容意义,拆分为问答对;解决FAQ人工拆分,工作量巨大问题。
针对银行业务、理财产品、保险的售前、售中以及售后环节提供垂直智能化服务支撑方案,面向客户、服务人员以及代理人提供系统化智能服务方案,为企业有效降低服务成本、强化组织管理、提升服务体验。
针对政府机构,对便民服务、市长热线、来电办理、问题督办等场景在线智能处理,提供民众自主办理、快速响应。
针对游戏行业在注册、宣传、账号管理等核心场景,提供专属智能服务解决方案,面向广大游戏爱好者提供针对的方案,提供更好客户体验,有效提升客户价值。
将AI技术与教育行业深度集合,以师生服务、招生、教学保障为核心场景,通过手机APP、互联网等沟通渠道,为教育企业有效降低服务和教学成本,提升教学质量并能更高效挖掘潜在数据价值。