论文部分内容阅读
随着移动互联网技术的发展,在线购物凭借其低价、方便的优势在人群中广泛普及。电商平台不仅要提供给客户丰富的商品,更要提供优质的客服服务以保障人们能有良好的购物体验。通过引入根据电商业务定制的客服机器人,能够有效提高人工客服的接待效率、减少大量重复工作,促进订单转化。客服机器人的本质是对话系统。系统管理员通常需要预先在系统中对机器人进行问答配置。当客户咨询时,系统通过语义理解、相似度匹配、答案检索等步骤将最佳答案反馈给客户。这种检索式问答的方式一定程度上保证了答案质量,但由于知识库规模的限制,不可能解答所有的客户问题。为提升机器人应答覆盖率,本系统中增加了补充应答模块。该模块能够在客户提问无法命中知识点的情况下回复由模型自动生成的答案。围绕应答能力及对话系统相关功能,本论文的主要工作内容如下。本论文首先分析了电商行业对客服机器人的主要需求点,包括:实现业务知识自动应答、配置系统预设知识、配置自定义知识等需求。为满足以上几点,系统在构建时使用了大量电商数据作为模型训练数据,从而得到用于在本系统中对文本进行表示的词向量模型,再通过短文本余弦相似度计算、相似度排序算法,最终由系统输出相似度最高的知识点答案。该方法能够保证应答准确率及覆盖率。与此同时,系统中加入了生成式问答模块,该模块用于回复未达到相似度阈值的客户提问。模型主要基于Seq2Seq网络结构,它的编码器-解码器结构能够很好的获取问答对间的语义信息,得到生成式答案。通过使用LSTM作为cell结构,能够避免RNN的梯度消失问题。除此之外,通过在模型的Decoder结构中加入Attention机制,能够对输出数据进行权重分配从而得到更好的答案生成效果。最后,本系统中加入了测试窗功能。该功能能够模拟客户提问场景并进行应答结果反馈,便于系统管理者及时对知识库进行调整。本论文的最终成果是可交付使用的电商客服对话系统。系统价值在于通过定制化的客服机器人帮助电商客服提升工作效率、改善回复效果,实现24小时接待。经过评测,系统功能测试全部通过;知识库应答模块准确率为65.37%、补充应答准确率为56.14%。系统具有较大的市场应用价值。