今天給各位分享電話機器人系統(tǒng)架構的知識，其中也會對電話機器人系統(tǒng)開發(fā)進行解釋，如果能碰巧解決你現(xiàn)在面臨的問題，別忘了關注本站，現(xiàn)在開始吧！

本文目錄一覽：

1 IVR語音導航 1、 個性化IVR交互式語音引導流程，樹狀邏輯、分層次、多分支、動態(tài)節(jié)點、自由跳轉，用戶可根據(jù)業(yè)務發(fā)展需要隨時自行修改流程，無需廠家支持。

2、 具備電話交換機基本功能，可以代替作為集團電話交換機使用。

3、 同時支持可視化流程編輯器和腳本語言編輯

2 智能選擇話務員ACD 1、 自動話務分配ACD，平均話務分配，最空閑話務員分配。默認根據(jù)數(shù)據(jù)庫號碼對應的分機分配。

2、 按客戶輸入選擇不同的接線座席人員或技能組或進入其它語音引導流程

3、 來電過濾，黑名單設置。

4、 來電無人接聽或遇忙時轉移至下一個空閑坐席或轉移至手機等外部號碼，手機間通話錄音。

3 全程錄音功能 全程錄音是系統(tǒng)可以24小時不間斷的對話務員通話進行錄音，并保存到硬盤上，支持多種語音壓縮格式。用戶可以隨時經(jīng)過操作界面通過多種條件來查詢到指定的錄音文件，和來電時間，通話時長等等，系統(tǒng)的錄音可以另存成多種格式的語音文件，如mp3,wav等等。坐席支持用坐席電話來收聽錄音。

4 語音留言功能 忙時或無人接聽時甚至任何語音流程可以引導客戶進入留言模塊，針對具體座席人員的留言，只有該座席人員或相關上級才能查看。并且話務員登錄以后，有自動留言提醒功能。

6 來電彈屏功能 話務員來電，系統(tǒng)自動根據(jù)來電號碼，彈出對應的客戶資料，和以往的歷史來電記錄、通話錄音。

客戶來電或以分機編號呼出時，接聽人員的電腦屏幕即彈出指定的URL地址并以GET方式傳遞對應的編號。并能顯示客戶的所在區(qū)域，省份，城市。

7 知識庫功能 分位語音知識庫和文本知識庫。話務員可以把經(jīng)常需要介紹給客戶的一些業(yè)務知識，錄制成語音文件，放到語音庫中，在和客戶通話過程中，話務員可以點播語音知識庫的指定語音給客戶收聽。文本知識庫按目錄管理的方式布局，非常方便話務員人員的快速查找、檢索。

8 主動呼出功能 話務員可以通過軟件或者話機外撥客戶的電話。

1、 軟撥號功能，坐席可以在打開客戶資料的頁面上點擊電話號碼進行 撥號。

2、 支持3或4或5或6位長度內(nèi)線分機。內(nèi)線分機相互轉接

3、 可通過設置外呼白名單：即任何坐席都可以呼叫的外線電話

9 話務員轉接功能 話務員在和客戶通話過程中，話務員可以把電話轉接到其他話務員電話上，并把來電的客戶資料轉接到目的話務員軟件上。操作方式：話務員拍打插簧，輸入目的話務員號碼+*鍵結束。在呼叫過程中，話務員可以通過再次拍打插簧進行取消轉接。呼叫成功后，話務員可以選擇掛機，那么客戶就可以和目的話務員通話了，話務員也可以按*鍵把話務員加入到會議中進行多方通話。

10 外線轉接功能 話務員在和客戶通話過程中，話務員可以把電話轉接到呼叫中心以外的電話或者手機上。功能基本上和呼叫轉移相類似。操作方式：話務員拍打插簧，輸入目的電話號碼+＃鍵結束。在呼叫過程中，話務員可以通過再次拍打插簧進行取消轉接。呼叫成功后，話務員可以選擇掛機，那么客戶就可以和目的外呼的電話通話了，話務員也可以按*鍵把目的電話加入到會議中進行多方通話。

11 話務員呼叫話務員功能 話務員可以撥打目的話務員號碼進行通話。具體操作：話務員摘機，隨后在電話機上輸入對方號碼+*鍵結束。在呼叫過程中話務員可以通過拍插簧或者掛機來取消這次呼叫。

12 配合企業(yè)交換機進行轉接功能 呼叫中心來電的客戶可以通過話務員的操作轉接到企業(yè)內(nèi)部交換機的分機電話上。也可以在企業(yè)內(nèi)部的電話轉接到呼叫中心系統(tǒng)中來。具體解決方法：可以在呼叫中心系統(tǒng)的外線端口上接入幾條企業(yè)內(nèi)部分機線，在參數(shù)配置中的語音卡通道參數(shù)的線路類型子項中選擇內(nèi)部線路就可以實現(xiàn)了。

13 客戶資料管理 1、 客戶信息錄入，可將現(xiàn)有的大量客戶信息以文件的方式批量導入。

2、 自動關聯(lián)和該客戶相關的所有呼叫信息、通話記錄，預約信息

3、 可著級分配資料到下級

4、 可詳細的統(tǒng)計出各個客戶資料的撥打情況和分類報表

14 投訴處理 記錄投訴內(nèi)容，并可對歷史投訴內(nèi)容進行檢索。生成投訴單派發(fā)給相應單位也可對投訴單進行跟蹤。

15 監(jiān)聽功能 班長話務員可以通過話務員軟件監(jiān)聽指定話務員的通話，也可以通過打電話到系統(tǒng)，根據(jù)語音提示輸入要監(jiān)聽的話務員工號，系統(tǒng)確認后，就能實時收聽到話務員的通話了。

16 話務員示忙功能 話務員接聽完電話后，話務員可以選擇暫停服務或在線。從而實現(xiàn)暫停接聽電話和開始接聽電話。

17 系統(tǒng)自動播報話務員工號 在客戶轉接人工服務中，話務員提機瞬間，系統(tǒng)自動播報接聽話務員的工號。

18 節(jié)假日設置功能 系統(tǒng)可以設置工作時間和休息日。在非工作時間內(nèi)，客戶在轉接人工服務過程中，系統(tǒng)會提示客戶我們的工作時間，并提示是否留言。可分為：工作時間設置、周末時間設置、特殊節(jié)假日設置和特殊非節(jié)假日設置。

19 多方通話 當A客戶來電，B話務員接通A客戶電話；B話務員員邀請C話務員員進行三方通話：

1． 如果C話務員在線并就緒時，三方通話成功；并且B、C的其中一方可以退出，另一方還可以繼續(xù)跟客戶A通話。

2． 如果C話務員不是在線或遇忙，則三方通話失敗，但B話務員還可以繼續(xù)與A客戶通話。

20 保留/恢復 話務員和客戶通話過程中，需要后臺處理時，點擊“保留”可以讓客戶聽音樂，處理完成后，可以點擊“恢復”繼續(xù)與客戶通話。

21 班長座席特殊功能 監(jiān)聽通話、攔截通話、強插通話、強制簽出、強制示忙、強制示閑功能

22 呼叫轉移功能 客戶轉接人工服務過程中如果座席全忙，那么系統(tǒng)根據(jù)設置的呼叫轉移號碼，進行轉接服務。

23 事物處理狀態(tài) 坐席設置此狀態(tài)后，就可以在每次通話完畢后，等待事物處理完畢，再處理來電。并可以設置自動解除事物處理的時間。

24 自動撥號狀態(tài) 坐席設置此狀態(tài)后，坐席可以接聽系統(tǒng)自動撥號后的來電了。

25 語音自動通知功能 話務員可以錄制一段語音，提交到系統(tǒng)中，并指定一批電話號碼進行通知。

26 解決彩鈴功能 系統(tǒng)外呼時可以識別對方是否是彩鈴。從而提高接通的正確性和計費準確性。

27 計費管理 系統(tǒng)可以根據(jù)去電的時長和費率統(tǒng)計整個系統(tǒng)的費用。

28 呼叫日志 系統(tǒng)對每次呼叫的記錄都有明細和統(tǒng)計功能。

29 業(yè)務統(tǒng)計報表 分為：中繼呼叫報表，座席呼叫報表，服務類別報表三大類報表?？梢栽敱M的統(tǒng)計出不同時段、日期的電話呼入總量、排隊情況和轉接總量；話務員的狀態(tài)日志、話務總量、服務質(zhì)量、業(yè)務熟練程度、工作效率，外呼接通量，成交量等指標。

30 二次開發(fā)接口 系統(tǒng)提供呼叫中心座席系統(tǒng)、短信、自動語音通知、傳真系統(tǒng)二次開發(fā)接口

31 業(yè)務流程化 系統(tǒng)提供可視化的可編輯的語音流程開發(fā)，用戶可以自定義自己的語音流程。

32 安全性 1、 系統(tǒng)采用PSTN作為電話線路，安全穩(wěn)定，音質(zhì)清晰。

2、 操作員安全登錄，密碼自我設定。

3、 數(shù)據(jù)權限：部門－班組－職員，三個層次級別可根據(jù)用戶自身的組織架構模式靈活配置，定義多種數(shù)據(jù)訪問策略（比如：不同的級別的操作員將查看到不同范圍的通話信息或客戶信息）

33 兼容性和升級 系統(tǒng)擴展容量大能支持到1000路話路，兼容模擬線路和數(shù)字中繼線路。系統(tǒng)可以同時支持ISDN,SS7,SS1等高端通訊協(xié)議。

34 數(shù)據(jù)容量 系統(tǒng)采用SQL SERVER數(shù)據(jù)庫作為后臺數(shù)據(jù)服務，可以容納幾十年的電話數(shù)據(jù)量，且有自動備份功能，從而實現(xiàn)了數(shù)據(jù)的安全性和穩(wěn)定性。

35 實時監(jiān)控 1、 任何一臺客戶機實時監(jiān)控每個座席的狀態(tài)（未登錄、通話中、空閑中等）能即時更新到數(shù)據(jù)庫表。

2、 服務器錄音磁盤滿，系統(tǒng)會產(chǎn)生蜂鳴來預警提醒，并清除歷史最前的一條錄音騰出空間來做新的錄音。

36 報工號及滿意度調(diào)查 坐席接通后，自動對呼入方提示坐席工號。呼叫完畢后提示（滿意、基本滿意、不滿意）狀態(tài)調(diào)查，并將結果記錄數(shù)據(jù)庫?？捎晒芾韱T開放滿意度調(diào)查功能。

38 呼叫信息 1、 多種查詢條件（如時長、時段等）任意組合查詢所有呼叫記錄，包括已通話、未通話、錄音、留言、來電去電記錄等類型。

2、 任意查詢結果可以導出為Excel格式另存。

39 外呼營銷 1.、按不同業(yè)務導入數(shù)據(jù)。

2、不同數(shù)據(jù)分配給不同的組進行外呼。

3.、自動快速過濾呼叫不通的電話。

4、系統(tǒng)自動外呼以設定大于坐席倍數(shù)的比例進行外呼。

5、外呼接通轉坐席彈屏，并帶出營銷術語，且在電話機上也會顯示去電號碼。

6、支持坐席以電話方式登錄和軟件方式登錄。

7、可以通過坐席按鍵來確認成交情況。

8、可以設定不通的中繼組，不同的業(yè)務指定不同的中繼組外呼。

9、報表統(tǒng)計各筆導入數(shù)據(jù)的自動呼叫情況。

10、雙備份錄音功能

11、錄音格式支持wav、voc、pcm(4 倍壓縮),windows自帶播放器可以播放。可用坐席電話進行聽取錄音。

12、可以設定外撥的速率。

13、可以統(tǒng)計各個坐席的通話時長和成交量

14、權限分為管理員、組長、質(zhì)檢、坐席，不通的身份分配不同的操作權限

15、支持不同業(yè)務轉接到不同的坐席組接聽，并有排隊功能

16、支持坐席人員批量調(diào)動組別功能

17、支持預約功能，到設定提醒時間，系統(tǒng)彈框提醒坐席

18、支持重呼功能

19、支持費率設置和統(tǒng)計各個坐席和組的費用

20、支持快速準確批量導出錄音和通話記錄功能

21、可以設定4個時間段進行自動呼叫

22、導入和導出數(shù)據(jù)速度快

23、集成度高一套系統(tǒng)可以支持1000線左右的呼叫

24、系統(tǒng)耗用資源少

25、支持ip坐席功能

40 預約提醒功能 坐席在通話過程中，如果客戶提出預約時間再聯(lián)系，坐席可以添加一條預約記錄，系統(tǒng)就會在設置的時間彈出提示框提示坐席預約的內(nèi)容。

41 訂單管理 1、 坐席來電或者去電可以點擊下單，進行錄入訂單

2、 可以設定條件搜索訂單，跟蹤訂單狀態(tài)

3、 分類統(tǒng)計訂單分類情況和數(shù)量。

42 公告欄 組長以上級別的坐席可以發(fā)布公告給下級，下級在公告欄以跑馬燈方式看到所有上級發(fā)布的公告信息。

43 線路監(jiān)控 坐席端開啟遠程查看窗口可以很方便的查看到服務器的運行情況。

44 坐席狀態(tài)監(jiān)控 系統(tǒng)可以顯示每個坐席的工作狀態(tài)和狀態(tài)持續(xù)時間。

45 電話簿功能 系統(tǒng)可以設置公共電話簿和個人電話簿

46 短信功能 支持短信貓，短信機，短信網(wǎng)關方式接收和發(fā)送短信

47 傳真功能 傳真支持單發(fā)、群發(fā)，轉發(fā)，接收，瀏覽、簽名，蓋章，打印，轉發(fā)郵件等功能

48 郵件功能 支持單發(fā)和群發(fā)郵件。

49 分布式ip坐席 系統(tǒng)支持異地坐席。異地坐席可以接聽服務器轉接過來的來電也可以直接通過服務器外呼出去，并且提供錄音和通話流水。

50 數(shù)據(jù)清理 系統(tǒng)提供界面給用戶批量清理歷史數(shù)據(jù)功能。

電話機器人是什么？

電話機器人主要就是用來模擬人工通話的一組程序，一般由，CRM系統(tǒng)，語義識別，轉換文字，話術體系，這是軟的部分，再加上底層軟交換和通信模塊一起，合并起來就是一套完整的電話機器人系統(tǒng)。

隨著人工智能的飛速發(fā)展以及廣泛落地應用，越來越多的設備將會被植入智能問答技術，人機交互場景隨處可見，智能問答在未來將會成為一個非常重要的入口。

騰訊小知憑借著業(yè)界領先的智能AI引擎算法和海量大數(shù)據(jù)倉庫，已將智能問答技術落地實施，并且經(jīng)過大量的業(yè)務考驗和優(yōu)化，知識點匹配度和準確率都已達到90%以上，在2018 年 GITC 全球互聯(lián)網(wǎng)技術大會上，騰訊小知榮獲年度互聯(lián)網(wǎng)最具價值產(chǎn)品獎。

騰訊小知算法負責人陳松堅也在會場發(fā)表了關于智能問答技術原理及其在To B場景下的應用的專題演講，從自己的角度為我們展現(xiàn)智能問答技術的最新成果。

他首先從智能問答是什么，為什么和怎么做的三個問題出發(fā)，闡明了他對當前智能問答技術的定位和價值，首先，現(xiàn)階段的智能問答是信息檢索技術的升級，是量變而未達到質(zhì)變。但是無論在To B還是To C的場景下，當前的技術都能夠切實解決一些用戶的痛點，提升用戶體驗，是亟待推進和充滿想象的方向。

在回答怎么做這個問題時，他詳細介紹了幾種不同的問答機器人的實現(xiàn)路徑，包括單輪問答機器人，多輪問答機器人及閱讀理解機器人。其中重點闡述了單輪問答機器人的實現(xiàn)原理，包括字面匹配，詞向量匹配，深度語義匹配，遷移學習等技術。

此后他還分享了小知團隊將上述技術產(chǎn)品化的經(jīng)驗，包括智能客服機器人和電話機器人兩大塊，主要分享了當前產(chǎn)品的形態(tài)，亮點和實際項目中取得的一些成果。

最后，他簡單總結了小知目前完成的工作以及就智能問答的發(fā)展提出了自己的幾點看法。

--------------------------------------------------------------

以下是演講稿全文：

各位下午好，很高興今天能在這里給大家做分享報告。先介紹一下，我們騰訊小知是致力于為政府和各行業(yè)提供一攬子智能問答解決方案的團隊，目前已經(jīng)落地的包括基于文本的智能客服機器人和基于語音的電話機器人等。

在大多數(shù)人的認知里，智能問答很可能是以上的3個印象，2011年打敗了人類取得問答競賽冠軍的waston;2017年被沙特授予公民身份的機器人sofia;更為大家熟知的鋼鐵俠中的機器人管家jarvis。在大家心目中，智能就意味著能夠像真人一樣交流。然而作為從業(yè)者，很遺憾地告訴大家，目前的技術還遠沒有達到這個目標，我認為本質(zhì)上目前的智能問答技術是對信息檢索技術的一次升級，是量變而未到質(zhì)變。這個皇冠上的明珠還等待我們?nèi)フ　?/p>

既然問答技術還不成熟，那為什么還要投身到這個領域呢。我想從To B和To C兩個角度去回答。對企業(yè)來講，當前的問答技術雖然無法解答復雜的咨詢，但是大部分的簡單的頭部問題是可以比較好的解答的。從本輪AI大潮NLP賽道的幾名種子選手都從智能客服這個方向切入就可以看出企業(yè)是確實存在對智能問答的剛性需求。而對普通用戶來講，一方面siri等語音助手每天都在為用戶提供便捷的交互界面，另一方面像amazon echo這一類的智能家居產(chǎn)品也逐步進入千家萬戶，成為物聯(lián)網(wǎng)生態(tài)的中心入口之一，這便是智能問答的價值所在。

那如何實現(xiàn)智能問答機器人呢?我們先來看最基本的單輪問答機器人的實現(xiàn)原理。

熟悉搜索引擎的朋友會發(fā)現(xiàn)這個架構跟搜索引擎的很類似。單輪問答一般來說就是FAQ問答，是基于業(yè)務問答對組成的問答庫進行檢索匹配。其中FAQ問題集包含多個相似問法供用戶問題去匹配。預處理階段一般會進行文本糾錯，標準化和底層NLP特征提取;召回階段會在倒排索引中召回若干個候選問題(粗排)，而最后的匹配階段會基于各種模型進行匹配打分并返回得分最高的結果(精排)。匹配階段還會引入其他模塊，如知識圖譜和拒識模型，目的是輔助提升匹配的最終準確率。

retrieval中的匹配可以看做是naive solution，詞袋+VSM, 篩選候選夠用了，但是精排需要更精致的策略，第一，要利用監(jiān)督信息做擬合，我們構建基于問題對的訓練語料，擬合是否匹配這個二分類目標。第二，特征上拋棄稀疏的詞袋模型，而是構造各種相似度來做base scorer，然后利用非線性的抗噪能力強的xgboost來做融合，比如我們用到詞bigram, 字bigram, 核心詞，名詞等特征集合的相似度。這種方法的優(yōu)缺點是一體的，由于模型只學習字面相似的特征，因此不受領域影響，通用性強，適合用在冷啟動階段;但也因為只考慮字面相似，無法處理更深層的語義匹配。

那如何度量語義的相似呢。詞向量技術的興起是語義匹配的前提，所謂詞向量，是將孤立的傳統(tǒng)的token表示映射到相互關聯(lián)的向量空間中，這種關聯(lián)性，或者說是相似性，是通過詞語的上下文的來描述的。也就是說，上下文越相似的詞語，他們的語義就越相似，詞向量的歐式距離就越近。這是很容易理解的，更妙的是，通過對向量進行簡單加減運算，能夠呈現(xiàn)出概念的關系，比如king-man+woman的結果非常接近于queen, 因此說明詞向量能夠一定程度刻畫語義。那對句子如何做向量表示呢?一個簡單的想法是直接求和平均，WMD是另一個比較有意思且有效的做法，他將計算句子到句子的相似度建模成一個運輸?shù)膯栴}，把句子p的各個詞，運輸?shù)絨的各個詞上，也可以說是變換;運輸成本是詞向量的cosine相似度，而要運輸?shù)氖歉鱾€詞在句子中的權重，用線性規(guī)劃求解一個最優(yōu)解，即為p到q的距離。另外還有個有效的方法是SIF，思路是做詞向量加權求和，但是突顯出句子中非通用的部分，即權重用詞頻倒數(shù)來計算權重，實驗效果也很不錯。

上面的方法有一個問題就是沒有利用有監(jiān)督信息，所以效果有明顯的天花板。下面介紹這個工作是基于深層網(wǎng)絡做有監(jiān)督學習的匹配的，做法也比較簡單，首先把句子文本用one-hot編碼，假如詞典大小是500K，那編碼完長度就是500K維，其實等于是詞袋模型，然后輸入到一個多層的神經(jīng)網(wǎng)絡去學習，最終得到一個128維的向量作為句子的語義表示，然后用cosine計算兩個句子與文檔的相似度作為模型輸出。這個方法其實是將高維稀疏的token特征映射到低維語義空間，跟詞向量的思路很類似，只不過訓練目標不同，并且這里使用了深層網(wǎng)絡結構。

但是CNN對上下文的處理能力依賴于窗口大小，遠距離就沒辦法處理了，因此要考慮另一種網(wǎng)絡單元RNN，這種單元是專門為時序模型量身打造的，簡單來說，每一時刻t上的隱藏狀態(tài)，或者說第t個詞上的語義編碼，都由兩個輸入共同決定，即上一時刻的隱藏狀態(tài)和當前時刻的原始輸入，而為了解決遠距離傳遞導致的梯度消失和梯度爆炸等問題，RNN有一些變種結構來應對，比如 LSTM和GRU等。

CNN和RNN都是對原始輸入進行語義編碼的基本單元，編碼后的向量就可以接入多層感知機進行相似度計算，如果是直接計算cosine相似度，那就是dssm的升級版，而更常見的做法是把兩個句子的編碼向量拼接在一起，再經(jīng)過一個多層感知機計算相似度，而這種方法統(tǒng)稱為表達式建模;

另一種方案考慮到兩個句子之間的交互信息對學習他們是否匹配顯然更為重要，這一類方案被稱為交互式建模，右邊是一個典型的例子，他最大的不同是首先對兩個句子的所有窗口組合進行拼接和卷積，得到交互信息。然后再進行多次卷積和池化得到表示。其他的交互方式還包括編碼之后，進行交互操作，如作差，點乘等，還有計算attention表示，也是常見的交互方式。

下面介紹我們的方案，跟上面介紹的模型相比，我們的方案主要做了兩處改動，一個是使用了稠密連接的網(wǎng)絡結構，讓rnn層的輸入和輸出拼接在一起做為下一層的輸入，第二個是混合注意力機制，即在計算attention向量進行交互式建模的基礎上，增加self-attention向量計算，然后把兩個attention向量經(jīng)過門機制進行融合，這樣做一方面引入了問句間的交互信息，同時又增強了對自身的表達建模。

上面的模型是比較復雜的模型，參數(shù)量有5.8M。在實際中應用中訓練語料會嚴重不足，為了解決這個問題，我們引入了遷移學習的策略。首先第一種是多任務聯(lián)合學習，比如在擬合兩個問句是否匹配的同時，也對問句進行分類預測;另外還可以同時對匹配的問題對做seq2seq的翻譯模型訓練。這兩個策略都證明能有效提升準確率。

而另一個思路更加直觀，即引入其他領域的語料，所謂多語料遷移。Fine-tune即參數(shù)微調(diào)是其中一種做法，即先用通用語料訓練網(wǎng)絡，固定底層表達層的參數(shù)，然后再使用領域語料調(diào)整上層參數(shù);另一種思路參考了對抗學習的思想，即引入一個新的任務“混淆分類器”去判別當前樣本是來自源語料還是目標語料，通過在損失函數(shù)中增加反向的混淆分類損失項，讓混淆分類器盡可能地無法區(qū)分樣本的來源，從而保證共享了參數(shù)的表達網(wǎng)絡能夠學習到兩部分語料中共性的部分。

以上的介紹都是為了完成一個基本的單輪對話機器人，而實際應用中，往往存在需要需要交互的場景，比如查詢社保余額，就需要用戶提供指定信息，如姓名，身份證號，手機號等。這種是所謂任務導向型機器人，而另一種，基于知識圖譜的機器人也往往會涉及到多輪交互。這里簡單介紹一下多輪對話機器人的架構，整體上是一個對話管理系統(tǒng)，總的來說是管理會話狀態(tài)，包含4個模塊，分別是輸入部分：自然語言理解模塊NLU，負責意圖識別和抽取槽位實體，比如這里匹配到了意圖是查詢社保余額，抽取到了社保號1234。得到的意圖和槽位值會送入到對話狀態(tài)追蹤模塊，DST，他負責會話狀態(tài)的更新，形式化來說是一個函數(shù)，輸入是當前狀態(tài)s和當前的query經(jīng)過NLU處理過得到的意圖和槽位值q, 輸出新的狀態(tài)s‘，下一步是把s’送入DPL，對話策略模塊，這個模塊是根據(jù)新的狀態(tài)s‘輸出行動a，通常這個決策選擇會依賴于一個外部數(shù)據(jù)庫或知識圖譜，最后，由輸出部分，自然語言生成模塊NLG負責將行動轉換為自然語言文本，返回給用戶。

前面提到的單輪FAQ機器人，有一個問題是問答準確率依賴于問答庫的質(zhì)量，而問答庫的構建耗時費力，所以針對數(shù)據(jù)較大的非結構化文檔，如果可以直接從中抽取答案，是非常理想的做法。比如斯坦佛大學開源的drQA，就是基于wikipedia的語料做的一個開放域上的問答機器人，我們來看看這種閱讀理解機器人的架構示意，他也是基于檢索重排的思路，首先把可能的文段從語料庫中摘取出來，然后送入閱讀理解模型進行答案定位，打分，排序和選擇得分最高的答案。閱讀理解模型與匹配模型是類似的，需要先對問題和候選文段進行編碼表示，不同之處在于最終預測的目標是答案的起始和結束位置。我所在的團隊在去年，在閱讀理解的權威公開測評Squad v1中取得過第一的成績，同時參加這個測評的包括了google, facebook, 微軟，阿里idst, 科大訊飛等國內(nèi)外同行。說明業(yè)界對這種技術還是非常看重的。

下面分享小知在把以上技術落地產(chǎn)品化的經(jīng)驗。首先我們來看看小知的整體架構圖，核心引擎有兩部分，一塊是上面重點闡述的深度語義匹配模型，另一塊是本次分享沒有展開的知識圖譜引擎，在此之上，我們構建了FAQ機器人，多輪會話機器人(任務機器人)，閑聊機器人等。以下是我們單輪和多輪機器人的示例。

在我們實際的落地項目中，得益于深度遷移模型的語義匹配能力和行業(yè)知識圖譜的的精準匹配和輔助追問，小知機器人能夠做到95%左右的問答準確率，并且節(jié)省了50%以上的服務人力，切實為政府和企業(yè)提升效率和降低成本。

在智能客服的基礎上，我們又打造了基于語音的電話機器人，力主融合智能客服，人工在線客服，工單系統(tǒng)和電話機器人，為客戶打造從售前售中售后的整體解決方案。

以下是電話機器人的整體架構圖，核心是自然語言理解NLU模塊，負責識別用戶提問意圖

提取相關實體。根據(jù)NLU輸出的結果，內(nèi)置的對話管理引擎會進行流程狀態(tài)流轉和跟蹤。

另外，ASR語音識別和TTS語音合成是不可或缺的重要服務，這三個模塊相互協(xié)作，共同完成與用戶的交互。

最后對智能問答的未來發(fā)展提幾點我的看法。目前學術界比較公認的一個方向是，需要更有機地結合模型和規(guī)則，而在問答領域，規(guī)則的一大組成部分就是知識圖譜，包括開放領域的知識圖譜和專業(yè)領域知識圖譜。而更進一步地，我們需要研究帶有推理性質(zhì)的事理型知識圖譜去描述領域內(nèi)的規(guī)則和知識，讓機器人能夠處理帶有復雜條件的問題，提供更智能的回復。在我看來，智能問答的一個突破口就在于解決以上三個問題。以上就是今天分享的內(nèi)容，謝謝大家。

主講人介紹：

陳松堅，騰訊數(shù)據(jù)平臺部算法高級研究員，有著8 年的 NLP 研發(fā)經(jīng)驗，2017 年加入騰訊 TEG 數(shù)據(jù)平臺部，負責智能客服產(chǎn)品騰訊小知的算法規(guī)劃和落地。負責過多個智能客服項目，對封閉領域的智能問答有豐富的實戰(zhàn)經(jīng)驗。

電話機器人系統(tǒng)架構的介紹就聊到這里吧，感謝你花時間閱讀本站內(nèi)容，更多關于電話機器人系統(tǒng)開發(fā)、電話機器人系統(tǒng)架構的信息別忘了在本站進行查找喔。