Bagaimanakah robot perkhidmatan pelanggan dilaksanakan? Sistem cadangan dialog

Artikel ini dicetak semula daripada akaun awam WeChat "Hidup dalam Era Maklumat" Pengarang hidup dalam era maklumat. Untuk mencetak semula artikel ini, sila hubungi akaun awam Living in the Information Age.

Apabila anda menggunakan banyak apl, anda mesti mempunyai sedikit pemahaman tentang sistem perkhidmatan pelanggan robot pintar. Sama seperti perkhidmatan pelanggan manusia, robot perkhidmatan pelanggan boleh mengadakan perbualan mudah dengan orang dan memberikan jawapan yang sepadan dengan keperluan orang ramai. Walaupun jawapan yang diperoleh pada kebanyakan masa tidak begitu boleh dipercayai, ia biasanya lebih menjimatkan tenaga kerja.

Robot sembang yang popular baru-baru ini ChatGPT pada asasnya ialah robot perkhidmatan pelanggan, tetapi algoritma di belakangnya adalah lebih canggih dan jumlah data pra-latihan lebih besar.

Mari kita lihat teknologi di sebalik robot perkhidmatan pelanggan: sistem pengesyoran dialog.

1. Gambaran keseluruhan sistem pengesyoran dialog

Proses pengguna menggunakan sistem pengesyoran dialog pada asasnya adalah proses yang akhirnya membantu pengguna dalam membuat keputusan melalui pelbagai pusingan interaksi maklumat.

Sistem Pengesyoran Perbualan (CRS) memecahkan halangan asimetri maklumat antara sistem dan pengguna dalam sistem pengesyoran statik melalui gelagat interaktif yang kaya, membolehkan sistem pengesyoran menangkap pilihan pengguna secara dinamik. Satu arah membimbing pengguna untuk menemui tempat menarik baharu mereka dengan meneroka minat dan pilihan semasa mereka. Sebaliknya, semasa proses interaksi, ia menerima maklum balas pengguna dalam masa nyata, mengemas kini strategi model pengesyoran dan merealisasikan pembelajaran dan pengemaskinian dinamik. Ini ialah sistem dialog berorientasikan cadangan yang menangkap minat pengguna melalui dialog dalam talian dengan pengguna dan mengesyorkan jawapan atau produk yang diperlukan oleh pengguna.

Sistem dialog umum biasanya dibahagikan kepada dua kategori: berorientasikan tugas dan tidak berorientasikan tugas. Yang terakhir ialah apa yang orang biasa panggil chatbots. Sistem dialog berorientasikan tugas direka bentuk untuk membantu pengguna menyelesaikan tugas tertentu, seperti membantu pengguna mencari produk yang mereka perlukan, menempah hotel dan restoran, dsb. Sistem dialog berorientasikan tugas untuk tugas pengesyoran biasanya boleh dianggap sebagai sistem pengesyoran dialog yang menggunakan teks dan suara bahasa semula jadi sebagai bentuk interaktif. Dalam tugas pengesyoran, ia mempunyai nilai komersial yang tinggi.

2. Ciri-ciri tugas pengesyoran dialog

Dari sudut aplikasi sistem pengesyoran dialog, ia mempunyai dua ciri tipikal: interaksi berbilang pusingan dan orientasi matlamat.

1. Pelbagai pusingan interaksi

Dalam sistem tradisional, contohnya, apabila mencari produk di Taobao, apabila pengguna mencari produk dengan atribut tertentu, mereka akan carian melalui carian aktif. Contohnya, anda boleh mencari "jaket lelaki pada musim bunga". kata kunci. Sistem pengesyoran tradisional ini memerlukan pengguna untuk memasukkan pilihan atribut yang mungkin berdasarkan pengetahuan sedia ada mereka sendiri untuk mencari produk yang sesuai dengan tepat. Tetapi dalam banyak senario, pengguna tidak mempunyai pengetahuan sedia ada. Dalam kes ini, pengguna mengharapkan sistem secara proaktif memperkenalkan item berpotensi yang mereka mungkin suka kepada pengguna.

Ciri interaksi berbilang pusingan dalam sistem pengesyoran dialog boleh mengimbangi kelemahan carian aktif pengguna dalam sistem pengesyoran tradisional. Dalam interaksi masa nyata antara sistem dan pengguna, ia boleh menunjukkan kepada pengguna ruang atribut item yang tidak diketahui dengan bertanya soalan secara aktif kepada pengguna, dan menggunakan maklumat maklum balas pengguna untuk memahami secara langsung keperluan dan sikap pengguna terhadap atribut tertentu, dan membina minat pengguna untuk membuat cadangan yang betul.

2. Berorientasikan matlamat

Matlamat sistem pengesyoran dialog adalah untuk mengesyorkan produk yang pengguna minati, jadi dengan matlamat utama untuk mencapai pengesyoran yang berjaya , menjalankan Dalam interaksi mendapatkan maklumat keutamaan pengguna, CRS dan sistem pengesyoran tradisional mempunyai matlamat "cadangan" yang sama, tetapi kedua-duanya berbeza sama sekali dalam operasi dan pelaksanaan sistem. Sistem pengesyoran tradisional boleh dilihat sebagai sistem yang mengeluarkan item disyorkan secara unilateral kepada pengguna. CRS, sebaliknya, memfokuskan pada maklum balas masa nyata yang praktikal, sentiasa proaktif meneroka tempat menarik pengguna dan mengemas kini strategi pengesyoran seterusnya.

3. Modul fungsi asas sistem pengesyoran dialog

Sistem pengesyoran dialog standard terdiri daripada tiga modul berfungsi: modul pemahaman niat pengguna, modul strategi dialog dan modul pengesyoran.

1

Modul pemahaman niat pengguna ialah modul yang bertukar maklumat secara langsung dengan pengguna Pada tahun-tahun awal, inputnya terutamanya teks dialog Dengan perkembangan teknologi, data berbilang modal dan data tingkah laku pengguna semakin menjadi input utama sistem cadangan dialog.

2. Modul strategi dialog

Untuk sistem pengesyoran, terdapat sedikit data maklum balas positif yang boleh berdasarkan, yang mewujudkan jurang antara sistem dan pengguna. Maklumat tidak sepadan, dan penerokaan yang gagal akan membuang masa pengguna, memudaratkan pilihan pengguna dan menyebabkan pengguna berpusing. Oleh itu, mengejar keseimbangan antara penerokaan dan keuntungan adalah isu utama dalam sistem pengesyoran perbualan. Tugas utama modul strategi dialog adalah untuk menyelesaikan masalah ini.

Dalam proses berbilang pusingan interaksi, masalah ini menjelma sendiri kerana sistem perlu menentukan sama ada untuk terus bertanya kepada pengguna semasa proses interaksi, atau mengesyorkan produk berdasarkan maklumat yang telah diperoleh, dengan itu meningkatkan kebarangkalian pilihan pengguna. Ini adalah masalah permainan biasa. Terlalu banyak pertanyaan boleh menyebabkan pengguna meluat, manakala terlalu sedikit pertanyaan boleh mengakibatkan kekurangan maklumat pilihan pengguna. Oleh itu, strategi dialog yang baik perlu mengimbangi kedua-dua petunjuk giliran dialog dan ketepatan pengesyoran secara bijak.

3. Modul pengesyoran

Modul pengesyoran ialah modul yang melaksanakan fungsi pengesyoran dalam sistem pengesyoran dialog Berdasarkan maklumat pengguna yang telah ditangkap, ia mengesyorkan item yang paling diminati pengguna pada masa ini. item sasaran. Dalam kebanyakan CRS, modul pengesyoran menggunakan model pengesyoran yang mudah, seperti penguraian matriks Ini kerana model pengesyoran ringkas sudah boleh memenuhi keperluan pengesyoran sistem pengesyoran perbualan Menggunakan model pengesyoran yang terlalu kompleks akan menjadikan keseluruhan sistem menjadi rumit. Ijazah meningkat, menjadikan latihan sistem pengesyoran dialog sukar.

Atas ialah kandungan terperinci Bagaimanakah robot perkhidmatan pelanggan dilaksanakan? Sistem cadangan dialog. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!