问答准确率超 95%，降低 80% 知识库建设成本；背后的 NLP 技术获得 4 个世界第一，2 个世界第二；这是腾讯云企点客服不为人知的一面。
2020 年底，腾讯云企点客服发布了智能客服 3.7 最新版，这款产品具备的 5 大优势引起了开发者的广泛关注，包括任务型多轮对话，降低 80% 知识库建设成本，问答准确率达到 95+，可配置的机器人客服以及结合知识图谱的个性化主动服务。
腾讯作为国内一流的产品公司，如今在 to B 业务上取得了长足进步，优秀产品包括腾讯会议，企点客服，企业微信等。优秀的通讯产品自然离不开背后的技术储备，以此为契机，小编深入了解了腾讯云企点客服背后的技术，并选取了其中最具代表性的 NLP 进行剖析：
业界的 NLP 技术发展到哪了？
企点客服背后的 NLP 技术有哪些亮点？
NLP 技术如何赋能企点客服的产品？
有哪些落地案例值得参考？
腾讯云企点客服底层 NLP 技术
获世界顶级大赛冠军
在今年 2 月举办的第八届国际对话系统技术挑战赛（DSTC-8）上，企点客服的核心 AI 能力支持者——腾讯云小微夺得了 4 个世界第一和 2 个世界第二，各项比赛指标不断突破行业先进水平，甚至成为行业新的标杆。
DSTC 对话系统技术挑战赛由来自微软研究院、卡耐基梅隆大学的科学家于 2013 年发起，迄今已举办了 8 届。DSTC-8 共设置有四大赛道，包括面向多领域端到端对话系统，端到端的问答预测，基于 Schema 的对话状态追踪等热门产学界难题。参赛选手包括平安人寿、中科大、华为、滴滴、IBM 等全球顶尖的大学、科技企业和人工智能研究机构等多支队伍。
腾讯云小微参加了三个赛道中的七项任务，提出了多项解决方案，其中在端到端的问答预测赛道提出的对话回复选择模型备受关注。具体来说，为了解决多轮人机对话，IRC 聊天室对话等不同场景下的回复选择问题，并定位未解决问题；该项模型在 BERT 模型基础上分别增加了数据增强技术，用来弥补特定领域的数据稀疏问题；同时利用迁移学习技术，将 BERT 模型从通用领域准确的适配到指定的任务领域中；应对句子级上下文建模方法，捕捉整体对话中各个部分之间的细微联系，从而生成更准确的回复。
最终，通过综合以上多种 NLP 模型，极大提升了问答准确率。在多轮人机对话任务中，腾讯云小微准确率达到 97.9%，代表了 AI 机器人回复能力的新突破。在 IRC 聊天室对话的任务中，AI 机器人的准确率达到 95.7%，凸显了在行业中的领先技术水平，而这一机器人成为了企点客服的实践应用能力支撑。
智能客服 4.0，客服行业巨变已开始
经过互联网时代的变革，客服中心已经逐渐进入基于人工智能进行内在创新的智能客服时代，能处理的问题种类和数量也越来越多。而 NLP 作为智能客服领域的核心技术，其发展一直深刻影响着智能客服行业的走向。按照技术演进的趋势来划分，从基于关键词进行匹配的检索式技术开始，智能客服技术方案发展至今共经历了 4 个阶段，形成了 " 检索 +NLP 技术处理 " 智能化技术方案：
第一阶段（1.0）：基于关键词匹配的 " 检索式机器人 ";
第二阶段（2.0）：运用一定模板，支持多个词匹配，并具有模糊查询能力 ;
第三阶段（3.0）：在关键词匹配的基础上引入搜索技术，根据文本相关性进行排序 ;
第四阶段（4.0）：以神经网络为基础，用深度学习理解用户意图。
第四阶段的出现基于深度学习技术，行业还未形成统一的应用标准。但以诸多特性领先的产品为例，诸如腾讯云企点客服，我们不难发现智能客服在智能应答，智能工单，数据上云与洞察，体系与生态联合四个方面具有显著的应用价值，并且与 3.0 相比有明显的技术优势。
据机器之心的报道，上述四大特点背后对应的技术包括但不限于知识图谱，流程自动化，文字识别，语音识别，语义识别，BI，数据分析，是一个综合性的技术应用。以此为基础，智能客服展现出了语义识别更准确， 问答方式更灵活，对话更连贯，知识更全面以及学习更主动的特性。更好地服务于更多客服场景。
2020 年腾讯全球数字生态大会筹备时，由于大会不曾设立长期的客服团队和固定的客服人员，主办方预见其有限的人工客服席位将无法支撑来自数百名参会者的咨询需求。因此，主办方需要架设一套线上客服机制，并采用智能客服机器人来负责参会者的引导与咨询工作。
然而，由于大会不曾为线上运营准备过专门的知识库，同时大会举办周期仅有三天，导致客服机器人的部署与运营工作面临极大的挑战。企点客服作为客服 SaaS 产品，当仁不让挑起了这一重担，部署了相应的解决方案。
方案以企点客服为运营平台， 采用对话机器人作为客服自动问答功能的核心，结合知识库扩容，模型训练等多项智能技术来实现客服系统的部署工作，为参会者提供全面且智能的引导与咨询服务。
大会知识库扩容： 由于大会初次在线上举办，未曾设立线上客服系统的语料数据和知识库。即便项目团队临时收集相关语料， 其数据量仍然不足以支持机器人的训练工作。为此，企点客服采用 " 冷启动知识库扩容能力 "，结合腾讯在大数据和 AI 算法上的储备，基于有限的标准问答语料迅速生成近似的问题，快速填充语料库。相较于常规以人力来为问答信息扩充相似问题的模式，企点客服所采用的新型算法能够数秒内自动完成 1 条问答对 1:10 或 1:15 的近似问扩张，为短期完成部署并上线客服机器人的目标带来可能。
模型训练： 对话机器人内置的 " 在线机器人 AI 应答引擎 " 运用最新的 BERT 框架所打造的核心模型算法，可强化机器人在围绕大会相关专业知识领域的训练，并通过多种技术手段降低模型对训练语料规模的依赖。AI 应答引擎设有检索型问答（IRQA）模块，可结合扩容后的知识库为机器人设置常用问答数据的检索匹配功能，支持用户解决普通查询类需求。
短周期客服问答优化： 企点客服使用了 " 自不满意问题评价标注体系 " 来支持客服机器人上线后的优化工作。系统会自动将用户点评不满意的回答记录在后台，供人工客服进行标注调优。随后由算法根据标注内容优化问答引擎，快速提升相似问题答案的满意度。在此基础上，经过标注的对话语料同样会接受扩容，补充知识库储备。由此，即便大会周期只有 3 天，该方案依然能够实现客服问答效果的提升。
最终，在智能客服解决方案上线后，其智能客服机器人在腾讯全球数字生态大会中实现了 3 日破万咨询量。机器人客服问题匹配准确率高达 91.5%，客服机器人满意度 99.05%，机器人接待占比高达 60%。
问答准确率超 95%，企业版 Siri 来临
2019 年秋，国外以研究为主的风险投资公司 Loup Ventures 针对市面上的智慧型手机语音助理进行测试，测试的对象包括有 Google 助理、Siri 以及 Alexa 等著名应用，结果显示 Siri 在测试中的回答准确率为 83%。
与之对应的是，企点客服最新版本的问答准确率已经达到 95%+，而市场平均水平仅为 85% 左右。与此同时，最新发布的 3.7 版本的企点客服还拥有另外 3 大优势，分别是任务型多轮对话，能降低 80% 知识库构建成本，个性化主动服务：
任务型多轮对话：可基于可视化图窗完成复杂的任务配置，结合对话系统，实现查询、缴费、导览等复杂的任务执行。
降低 80% 知识库构建成本：云小微首创的 EEQA 能力，可实现全自动、秒级从文、会话日志中抽取问答知识。同时利用腾讯大数据和首创的 LARQ 能力毫秒级 10 倍扩充相似问题。
个性化主动服务：自动理解上下文，利用连续对话获取信息，更加精确地回复；结合知识图谱和用户对话场景，主动推荐内容与服务。
问答准确率 95%+：运用数据增强和向量方法基于最新 bert 框架训练，准确率可达 95% 以上，2020DSTC-8 中四项指标世界第一。
企点客服再出发
3.7 版本开启服务营销一体化新征程
由于疫情影响，今年通讯行业各类应用突飞猛进，反向推动着相关技术的进步。企点客服最新发布的 3.7 版本，以 " 服务营销一体化 " 为主题，在视频客服，销售型客服，定制客户库和任务型机器人四个模块有主要更新，满足疫情期间激增的新需求。
视频客服部分，基于腾讯云音视频能力，具备低时延低卡顿的特性，能够保障全球端到端时延小于 300ms，抗丢包率超过 40%，抗网络抖动超过 1000ms，弱网环境下仍然能够保证高质量的音视频通信，确保视频通话过程顺畅稳定。企点客服将视频功能做成了 Web 服务，为远程教育咨询，在线看车看房，视频会诊等场景提供了轻量化的服务，可面对面第一时间与客户进行沟通，高效直达客户需求。
销售客服部分，打造了千人千面的个性化营销功能，可根据客户来访时间、来访次数、地域、客户库属性综合分析，推送不同的个性化引导语，主动与客户建立联系；对于 VIP 客户，还可根据客户来访时间、网页行为、会话通路、客户属性的不同，对客户进行个性化接待，精准洞察客户需求。
定制客户库方面，新版企点客服支持新增自定义的客户字段，不论是企业内员工，教育机构还是电商团队都可以自定义生产中的各类对象，如客户、年级、学习科目、商品等，让客户库更具灵活性。除此外还可定制化客户筛选视图，精准定位客户群类。
任务型机器人基于多轮对话，语义识别，最新智能算法和 bert 框架打造，可独立应对查流量，交话费，修改订单，商品推荐等业务场景，释放企业人力成本。机器人知识库也是应用了文法自动扩充技术，提升知识整理的效率。具体来说，运营刚开始时会面临冷启动的问题，知识库中问题 - 答案很少，系统效果不佳；而在运营启动后，扩展问题时需要需要人工撰写相似问法，效率低且成本高；传统的自动问题扩展方法可读性和表达多样性较差，难以扩展问法。为此，企点客服利用 CXW-KO 技术，摒弃人工撰写，改为自动扩展 / 过滤 + 人工审核 / 微调，全面提升知识整理效率，进而提升运营效率。
来源：AI前线 施尧
