用于客服輔助的對話模型研究.pdf

1、隨著互聯(lián)網(wǎng)經(jīng)濟的不斷發(fā)展，提供在線商品和服務(wù)選購的電商平臺的規(guī)模和成交量也在日益增大。這種改變的潮流對在線客服的服務(wù)質(zhì)量和服務(wù)效率提出更高的要求。因此如何通過計算機技術(shù)來輔助人工客服提升其工作效率和工作質(zhì)量是個值得研究的問題。在此基礎(chǔ)上，本文圍繞兩種客服輔助技術(shù)展開:知識庫查詢服務(wù)和客服回復(fù)推薦服務(wù)，對相關(guān)的對話模型進行研究和探索。
　　針對客服需要參考相關(guān)專業(yè)知識來完成高質(zhì)量服務(wù)的需求，本文設(shè)計了一種知識庫查詢服務(wù)。該服務(wù)接受用

2、戶的自然語言問句作為輸入，通過AIML模板匹配技術(shù)從輸入中提取關(guān)鍵詞和待查詢屬性，并返回知識庫中對應(yīng)的信息條目。傳統(tǒng)匹配方式受制于自然語言表達的多樣性，存在關(guān)鍵詞匹配失效的問題。本文針對這個問題，提出了一種多輪迭代的同義詞匹配算法，該算法提升了同義詞的檢出數(shù)量和準確度。
　　針對如何提升人工客服工作效率的問題，本文提出了用于客服回復(fù)推薦的深度對話模型。本文從檢索式深度對話模型和產(chǎn)生式對話模型兩個方向來解決該問題。在檢索式的深度對話

3、模型中，本文設(shè)計了一種帶上下文建模的對話模型，通過實驗對比，其比不帶上下文的對話模型有較大性能改善，在此基礎(chǔ)上本文使用用戶咨詢的意圖信息對模型進行了改善，獲得了部分性能提升。在產(chǎn)生式對話模型中，本文設(shè)計了一種使用完整上下文用于預(yù)測客服對話的產(chǎn)生式對話模型，并在客服咨詢數(shù)據(jù)集上同傳統(tǒng)的Seq2Seq模型進行對比，該模型產(chǎn)生的回復(fù)效果更好。在產(chǎn)生式模型中，本文先實現(xiàn)了基礎(chǔ)的Seq2Seq模型，用來作為對照，并根據(jù)本文提出的上下文編碼方式提出