企業管理中語聊機器人的應用

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了企業管理中語聊機器人的應用范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：在人工智能廣泛應用生產的創新背景下，語聊機器人利用自然語言處理（NLP）技術實現人機智能對話。結合各個行業的業務特性，語聊機器人定位為基于領域的智能對話機器人，通過定義基于領域的語義表示，制定語義標準，運用中文分析、多輪對話、語義識別等自然語言技術實現語聊機器人的智能交互，在行業應用過程中，幫助國內多個企業提升生產力，促進企業創新發展，助力企業的創新轉型。

關鍵詞：NLP；中文分詞；語義識別；多輪對話；機器人

1語聊機器人背景與現狀

1.1背景

隨著人工智能技術的快速發展和廣泛應用，將人工智能AI能力對接企業業務領域，加快推進企業生產等領域的創新發展，提質增效，同時在人口紅利快速消失的背景下，實現從人工運維到智能化生產的轉變，減少了人力投入成本，提升工作效率，也有助于提升行業競爭力。科大國創軟件股份有限公司是致力于云計算、大數據、物聯網和人工智能等領域的研發及應用，打造軟硬件一體化智能產品的高科技上市企業。科大國創軟件股份有限公司在人工智能領域深耕多年，致力于通過人工智能基礎能力解決行業企業的痛點問題，立足企業自身管理需求和痛點問題，投入數名人工智能方面專業人士進行語聊機器人的研發工作，目的是幫助國內企業解決日常管理的痛點和難點問題，提升國內部分企業的整體生產力。對話機器人能夠為企業提供許多便利之處，如有效的導引，參與各種各樣的場景和提高品牌價值等。對話機器人幫助建立基于邏輯對話和基于目標的結果的對話路徑，這是企業和組織非常需要的。

1.2現狀

智能對話機器人因其創造性的概念，受到了社會和軟件行業的廣泛關注，智能對話機器人成為人工智能最廣泛的實踐，圖靈測試成為人工智能領域王冠上的明珠，業界中對話機器人的實踐也有很多。目前，一方面人工智能已經可以支撐聊天機器人在各個人機交互場景下達到靈活應用，大幅降低成本和擴大接觸客戶的范圍;另一方面聊天機器人可以快速便捷地部署在移動設備上，改善或者改變移動端信息交互模式（信息交互是手機體驗的核心），也就是說從某種程度來看，聊天機器人也許會比目前的手機應用更適合手機。科大國創軟件股份有限公司以中國科技大學為技術依托，以擅長的基于網絡的軟件技術、數據庫技術、云計算技術、移動互聯技術、系統集成技術、智能控制技術、網絡終端產品的研究與開發技術，面向國內、國際提供優質的產品和服務。科大國創在現有的技術和產品的基礎上進行語聊機器人的深入研究。伴隨著智能技術與生態系統的日益成熟與完善，聊天機器人創業公司蓬勃發展，風險投資資本也給該產業的繁榮注入了動力。目前，聊天機器人還處于發展初期階段，未來五年內，人與聊天機器人之間將能進行更復雜的對話。

2語聊機器人應用價值

2.1提升工作效率

企業工作生產中，會遇到很多業務專業知識問題和技術難點問題，網上查詢和咨詢專家等傳統的解決方式顯然效率很低，直接與聊天機器人交互，快速獲取業務知識及專業技術。

2.2降低響應時間

電信類企業的現場運維人員在需要快速處理緊急問題時，傳統是通過人工咨詢技術支撐人員，技術支撐人員需要進行繁瑣的操作，耗時較長。通過構建“智能知識助手”，替換傳統的人工根據文檔整理大量的QA問答對話，快速響應運維人員。

2.3減少重復勞動

企業日常生產工作中，會出現許多重復工作和重復的咨詢，這些工作需人工重復進行處理，且工作流程固定、工作模式完全模板化，采用創新的語音門戶或智能IVR應答對接聊天機器人的模式，減少重復勞動。

2.4提高結果的精準性

企業傳統全人工處理的工作，都可能存在人工失誤或提供問題的解決方案不準確等問題。運用專業知識庫和案例庫結合人工智能算法的模式，問題結果的精準性有較高提升。

3語聊機器人建設方案

十余年來科大國創以市場為導向，開展語聊機器人的建設，語聊機器人是利用人工智能領域的自然語言處理技術，打造先進智能的人機對話引擎；語聊機器人可精準理解用戶真實意圖，并給出準確且專業的應答；語聊機器人通過持續訓練逐步地提升對話機器人的智能程度，實現人機交互閉環；語聊機器人可接入APP、QQ、微信等多種載體終端，全面覆蓋用戶日常使用媒介，讓用戶隨時可用、隨處可用；語聊機器人可回復用戶文字、語音、圖片、視頻等多種形式，真正成為用戶的貼心助手。產品總體架構：語聊機器人在科大國創的基礎技術和產品之上進行架構設計，語聊機器人總體架構由基礎數據模塊、AI通用服務模塊、創新應用模塊構成，語聊機器人總體架構如圖1。（1）基礎數據模塊是獲取行業相關數據，并通過接口或SFTP的方式，提供給AI通用服務平臺。（2）AI通用服務模塊由AI能力和AI通用能力平臺構成，將第三方開源的AI技術和自主研發的AI技術封裝成AI能力，匯聚到AI通用能力平臺，對外提供統一的能力封裝、統一的能力編排、統一的能力管控。（3）創新應用是基于AI通用服務開放的AI能力和數據能力，可快速構建出智能語音查詢、大屏互動、智能知識問答等創新性應用。

4語聊機器人原理

4.1核心思路

語聊機器人實現多種接入方式，系統應用范圍廣闊；引入語義庫進行意圖分析，提高機器人用戶體驗；分模塊建設，復用性高，系統間松耦合；引入容器技術，采用為服務器架構，靈活擴展；并且支持接入第三方AI引擎，準確率高。語聊機器人的實踐思路如圖2：（1）用戶可以通過IVR接入、手機APP接入，大屏接入、Web端的html5頁面接入。（2）控制中心收到用戶的請求后，首先去安全中心進行安全鑒定。（3）身份認證通過后，控制中心將用戶的聲音信息進行語義識別，通過語義識別出問題關鍵字。（4）控制中心獲取用戶問題關鍵字后，發送到認知中心，通過語義庫進行檢索，確定其語義，通過意圖分析，分析出用戶的意圖轉換成意圖命令，返回給控制中心。（5）控制中心到命令執行中心執行意圖命令。這里分三種情況，第一種閑聊，則轉到圖靈機器人處理；第二種咨詢，則通過檢索知識庫進行回答；第三種任務，即需要去調用相關服務完成的任務。最后將結果反饋給用戶，如果需要進行語音回復，則進入到感知中心進行語音合成，反饋用戶。

4.2核心技術

（1）語義表示。在智能對話交互中，自然語言理解采用的是框架語義表示的一種實現，即采用領域（domain）、意圖（intent）和屬性槽（slots）來表示語義結果。（2）中文分詞。在自然處理的過程中，優先對語句進行中文分詞，自然語言處理領域采用中文分詞的工具，具有中文分詞和詞性標注功能。分詞工具解決通用文本分詞的工作，針對企業領域的專有語義，對分詞工具進行優化改造，增加自定義語料庫的功能。（3）多輪對話。人機對話中用戶陳述的需求會首先被機器確定最終意圖，然后根據用戶陳述的需要進行詞槽解析（詞槽是多輪對話過程中將初步用戶意圖轉化為明確用戶指令所需要補全的信息），根據解析出來的槽位分析出關鍵字，通過機器深度學習來判斷提供的關鍵字是否能夠明確指令，如果指令不明確，那么由澄清話術以及機器深度學習來向用戶發出提問，從而獲取必要的關鍵字信息。（4）語義識別。語義識別采用一種基于余弦相似度和最小編輯距離的中文語義識別方法，涉及自然語言處理技術領域。包括如下步驟：步驟1：語料元數據采集；步驟2：語料數據預處理；步驟3：語料知識庫配置；步驟4：語義匹配規則配置；步驟5：中文文字相似度計算；步驟6：中文拼音相似度計算；步驟7：語義總匹配度計算。通過爬蟲技術采集互聯網語料數據，構建語料知識庫，以數據為基礎，配置語義匹配的多重規則、中文和拼音雙重匹配識別語義、余弦相似度算法計算中文文字、最小編輯距離算法計算語義拼音，根據配置的中文匹配和拼音匹配的權重計算語義總匹配率，使語義識別率更精準，保障雙重識別模式識別率的穩定。

5語聊機器人應用場景

隨著人工智能的發展逐漸成熟，各個領域都開展人工智能方面的創新實踐，語聊機器人應用范圍極為廣泛，在電信、醫療、電商、交通、教育等多方面均有較多的應用場景。在企業管理方面的應用場景如下：（1）生產維護：7×24小時全天候在線維護，對話機器人支持嵌入生產維護QQ/微信群，做到問題實時響應，提高響應時間并且減輕生產維護人員的工作量。（2）一線運維：針對一線運維人員工作中，遇到的業務專業問題和技術難點問題，直接與對話機器人交互，快速獲取專業技術和精確的解決方案。（3）智能客服：對話機器人客服7×24小時待命，保障客戶隨時享受智能服務，人工客服接待時，對話機器人自動匹配知識庫問題輔助回答，讓回答更快速，答案更標準。（4）知識助手：構建專家知識系統，收集專家經驗知識，運用專業知識庫和案例庫結合人工智能算法的模式，對用戶提出的問題，精準給出響應結果。（5）其他行業應用場景。電信行業：坐席客服機器人、網絡優化機器人、網絡監控機器人、網管監控機器人、營銷機器人；教育行業：智能教師機器人、學習機器人、智能知識庫、兒童早教機器人；電商行業：智能客服機器人、買家助手；政府單位：智能大屏機器人、法院法務機器人、民生辦理助手。

6結束語

綜上所述，企業管理存在著重復勞動大，問題解決不及時等多種問題，驅動著企業內部需要采用人工智能的手段進行解決；與此同時，語聊機器人在技術上具有一定的先進性和前瞻性，目前自然語言處理技術已經趨于完善，在企業管理中應用語聊機器人，能為企業管理方面帶來提升工作效率、降低響應時間、減少重復勞動、提高結果的準確性等價值。根據語聊機器人的實踐和分析，得出語聊機器人可為企業降低20%至40%的人力成本，可提升40%至60%的生產效率。考慮到對話機器人未來的發展趨勢，對未來有可能出現的新的業務模式、管理模式，后續積極進行技術探索和市場調研，不斷優化語聊機器人的智能程度，優化對話機器人的算法邏輯以提高自然語言處理的精準度。

參考文獻：

[1]謝箭，劉國良，顏世佐，等.基于神經網絡的不確定性空間機器人自適應控制方法研究[J].宇航學報，2010，31（1）：123-129.

[2]張文輝，齊乃明，尹洪亮.自適應神經變結構的機器人軌跡跟蹤控制[J].控制與決策，2011，26（4）：597-600.

[3]鮑敦橋.仿真類人機器人設計及高層決策方法的研究[D].合肥：合肥工業大學，2009.

[4]余婷.多機器人隊列曲線運動研究[D].上海：上海交通大學，2009.

[5]韓雪峰.導盲機器人[D].哈爾濱：哈爾濱工程大學，2009.

[6]馬斌奇.多機器人協作與控制策略研究[D].西安：西安電子科技大學，2009.

[7]張文輝，齊乃明，尹洪亮.不確定機器人的神經網絡軌跡控制[J].自動化與儀表，2010，25（5）：22-25.

作者：馮強中 范文斌 吳彤彤 劉成彪 單位：科大國創云網科技有限公司