轉(zhuǎn)載本文需注明出處:微信公眾號EAWorld,違者必究。

作為早期在國內(nèi)實(shí)現(xiàn)落地的AI應(yīng)用場景,智能客服從2007年開始,就逐漸被企業(yè)應(yīng)用,但這種智能客服大多采用預(yù)編程的方式解決客戶問題,呈現(xiàn)出過于死板,不能多輪對話等“偽智能”特點(diǎn),現(xiàn)在我們可以稱其為第一代智能客服。最近幾年,隨著計(jì)算機(jī)硬件、大數(shù)據(jù)、云計(jì)算、深度學(xué)習(xí)等技術(shù)的發(fā)展,很多大型企業(yè),包括一些中小企業(yè)都升級到了新一代智能客服。

一套完整的智能客服系統(tǒng)一般包含語音識別(ASR)、自然語言理解(NLU)、對話管理(DM)、自然語言生成(NLG)、語音轉(zhuǎn)換(TTS)等五個(gè)主要的功能模塊(這里僅體現(xiàn)自然語言交互這種主要的人機(jī)交互方式),新一代智能客服系統(tǒng)最大的優(yōu)勢是能降低企業(yè)客服運(yùn)營成本、提升用戶體驗(yàn)。其具體框架結(jié)構(gòu)如下:

在這五大功能模塊中,比較重要的模塊是對話管理(DM)、自然語言理解(NLU)、自然語言生成(NLG),語音識別(ASR)與語音轉(zhuǎn)換(TTS)是人機(jī)語音交互時(shí)才會使用到的模塊。自然語言生成(NLG)由于其可控性較差,有時(shí)候生成的文本并不符合正常的語言邏輯,一般應(yīng)用在對準(zhǔn)確率要求不是太高的開放域?qū)υ捴?而對話管理(DM)模塊通常在多輪對話系統(tǒng)中才會用到,多輪對話系統(tǒng)作為人工智能領(lǐng)域的典型應(yīng)用場景,也是一項(xiàng)極具挑戰(zhàn)的任務(wù),不僅涉及多方面異構(gòu)知識的表示、抽取、推理和應(yīng)用(如:語言知識、領(lǐng)域知識、常識知識等),還涉及包括自然語言理解(NLU),自然語言生成(NLG)在內(nèi)的其他人工智能核心技術(shù)(如:用戶畫像, 情感分析等)的綜合利用。

實(shí)現(xiàn)智能客服的方法,可以從最簡單的“關(guān)鍵字匹配”,到最前沿的深度學(xué)習(xí)“端到端生成”應(yīng)答。分別應(yīng)用到不同的場景:問答(QA)、任務(wù)(垂直領(lǐng)域)、閑聊。

我們可以將對話系統(tǒng)從分成兩層:

意圖識別層:識別語言的真實(shí)意圖,將意圖進(jìn)行分類并進(jìn)行意圖屬性抽取。意圖決定了后續(xù)的領(lǐng)域識別流程,因此意圖層是一個(gè)結(jié)合上下文數(shù)據(jù)模型與領(lǐng)域數(shù)據(jù)模型不斷對意圖進(jìn)行澄清與推理的過程。

響應(yīng)匹配層:對問題進(jìn)行匹配識別及生成答案的過程。由于用戶問題的不可控特性,需要對用戶問題進(jìn)行初步的類型劃分,并且依據(jù)問題類型采用不同的匹配流程和方法:

問答型:例如:“密碼忘了怎么辦?” ,可以采用基于知識圖譜構(gòu)建+檢索模型的匹配方式。

任務(wù)型:例如:“訂一張周五從北京到洛杉磯的機(jī)票。”,可以采用意圖決策+slots filling的匹配方式。

閑聊型:例如“你的名字叫什么?” ,可以采用檢索模型+一些Deep Learning相結(jié)合的方式。

意圖識別:

語言的本質(zhì)是為了傳遞人與人之間的信息(意圖),那么,我們可以定義出N種意圖分類。所以,一個(gè)語言模型就是一個(gè)多標(biāo)簽的數(shù)學(xué)模型,把自然語言轉(zhuǎn)成具有結(jié)構(gòu)化的表達(dá),一般具有以下三個(gè)步驟:

文本預(yù)處理:分詞、詞向量、詞義消解等。

樣本準(zhǔn)備:抽取一些有用信息。

序列模型:語言模型,如CNN與LSTM組合的神經(jīng)網(wǎng)絡(luò)或者其他的一些網(wǎng)絡(luò)架構(gòu)。

理解用戶說話的意思,我們分為了三層:

第一層,是理解當(dāng)前聊天處于哪一個(gè)話題,有沒有切換話題;

第二層,是理解具體的內(nèi)容,含有意圖與實(shí)體;

第三層,是理解當(dāng)前發(fā)言的情感,跟蹤用戶的情緒變化。

1)話題模型

話題模型是一個(gè)分類模型,與后面的應(yīng)答引擎是有對應(yīng)的關(guān)系,根據(jù)不同的話題,進(jìn)入不同的業(yè)務(wù)流程,所以模型的標(biāo)簽的業(yè)務(wù)的分類。

2)意圖理解

作為人機(jī)語言交互的重要核心技術(shù)意圖理解也可看作是分類問題,為了能夠準(zhǔn)確識別用戶當(dāng)前的意圖,一方面需要綜合分析人機(jī)語言交互的上下文環(huán)境來決策用戶意圖,另一方面當(dāng)意圖不清時(shí)還需要運(yùn)用響應(yīng)的話術(shù)來引導(dǎo)用戶澄清意圖,比如在訂票系統(tǒng)中“出發(fā)地、目的地、時(shí)間點(diǎn)、座位級別”等要素是離散地分布在一個(gè)會話中,在抽取保存這些關(guān)鍵信息的同時(shí),還需要引導(dǎo)用戶給出關(guān)鍵要素點(diǎn)。

為了能使單個(gè)Token充分地表示文本的局部特征以及全局的文本特征,自然語言處理領(lǐng)域的相關(guān)從業(yè)者把大量的工作重心放在了NLU上,傳統(tǒng)模型的Pre-train手段就是語言模型,如ELMo模型就是以BiLSTM為基礎(chǔ)架構(gòu)、用兩個(gè)方向的語言模型分別Pre-train兩個(gè)方向的LSTM,后面的GPT、GPT2是用標(biāo)準(zhǔn)的、單向的語言模型來預(yù)訓(xùn)練�，F(xiàn)在有了更多的Pre-train方法,比如Bert就用了“MLM-NSP”的方式來預(yù)訓(xùn)練,不過這是普通語言模型的一種變體;而XLNet則提出了更徹底的“Permutation Language Modeling”;還有UNILM模型,直接用單個(gè)Bert的架構(gòu)做Seq2Seq,可以將它作為一種Pre-train手段,又或者干脆就用它來做 Seq2Seq任務(wù)……

除了單向語言模型及其簡單變體掩碼語言模型之外,UNILM的Seq2Seq預(yù)訓(xùn)練、XLNet的亂序語言模型預(yù)訓(xùn)練,基本可以說是專為Transformer架構(gòu)定制的。其奧妙主要在 Attention矩陣之上。Attention實(shí)際上相當(dāng)于將輸入的Token兩兩地做算相似度計(jì)算,這構(gòu)成了一個(gè)n2×n2大小的相似度矩陣(即Attention矩陣,n是文本長度,本文的 Attention均指Self-Attention),這意味著它的空間占用量是O(n2)量級,相比之下,RNN模型、CNN模型只不過是 O(n),所以實(shí)際上Attention通常更耗顯存。然而,有弊也有利,更大的空間占用也意味著擁有了更多靈活度,我們可以通過往這個(gè) O(n2)級別的Attention矩陣加入各種先驗(yàn)約束,使得它可以做更靈活的任務(wù)。而加入先驗(yàn)約束的方式,就是對Attention矩陣進(jìn)行不同形式的Mask。

在Attention矩陣的每一行事實(shí)上代表著輸出,而每一列代表著輸入,而Attention矩陣就表示輸出和輸入的關(guān)聯(lián)。所以,只需要在Transformer的Attention矩陣中引入下三角形形式的 Mask,并將輸入輸出錯(cuò)開一位訓(xùn)練,就可以實(shí)現(xiàn)單向語言模型。亂序語言模型跟語言模型類似,都是做條件概率分解,但是亂序語言模型的分解順序是隨機(jī)的。原則上來說,每一種順序都對應(yīng)著一個(gè)模型,所以原則上就有n!個(gè)語言模型。而基于Transformer的模型,則可以將這所有順序都做到一個(gè)模型中去!也就是說,實(shí)現(xiàn)一種順序的語言模型,就相當(dāng)于將原來的下三角形式的Mask以某種方式打亂。正因?yàn)锳ttention提供了這樣的一個(gè)n×n的Attention矩陣,我們才有足夠多的自由度去以不同的方式去Mask這個(gè)矩陣,從而實(shí)現(xiàn)多樣化的效果,在引入了魯棒性的同時(shí)也融入了上下文特征。

3)情緒識別模型

情緒識別模型同樣是一個(gè)分類模型,把用戶的發(fā)言分為了以下幾種不同級別的情緒:臟話、憤怒、懊惱、生氣、平和、贊揚(yáng)等。同時(shí)可能還需要對用戶進(jìn)行用戶畫像以及對用戶進(jìn)行實(shí)時(shí)的情感分析來綜合判別用戶意圖,比如在導(dǎo)購類型的客服中經(jīng)常要用到相關(guān)技術(shù)。

響應(yīng)匹配:

目前主流的智能匹配技術(shù)分為如下4種方法:

1,基于模板匹配;

2,基于檢索模型;

3,基于統(tǒng)計(jì)機(jī)器翻譯模型;

4,基于深度學(xué)習(xí)模型;

在實(shí)際落地場景中大多采用基于模板匹配,檢索模型以及深度學(xué)習(xí)模型為基礎(chǔ)的方法原型來進(jìn)行分場景(問答型、任務(wù)型、閑聊型等)的會話系統(tǒng)構(gòu)建。

問答型場景一般解決方式為基于知識圖譜構(gòu)建+檢索模型匹配。相應(yīng)的使用到的技術(shù)是知識圖譜構(gòu)建+檢索模型。模型的優(yōu)點(diǎn)是在對話結(jié)構(gòu)和流程的設(shè)計(jì)中支持實(shí)體間的上下文會話識別與推理準(zhǔn)確率高。而缺點(diǎn)是知識圖譜的構(gòu)建是個(gè)耗時(shí)耗力的大工程,并且模型構(gòu)建初期可能會存在數(shù)據(jù)的松散和覆蓋率問題,導(dǎo)致匹配的覆蓋率缺失等問題,而且比傳統(tǒng)的QA Pair對知識維護(hù)上的成本高。

處理流程如下圖:

任務(wù)型場景一般的解決方式為意圖決策+slot filling的匹配。應(yīng)用到的相關(guān)技術(shù)有意圖決策+slot filling。處理流程為首先按照任務(wù)領(lǐng)域進(jìn)行本體知識的構(gòu)建,例如機(jī)票的領(lǐng)域本體知識場景如下:

在問答匹配過程中結(jié)合上下文模型和領(lǐng)域數(shù)據(jù)模型不斷在Query中進(jìn)行slot屬性的提取,并循環(huán)進(jìn)行本體意圖樹的不斷填充和修改,直到必選意圖樹填充完整后進(jìn)行輸出。

閑聊型場景一般解決方式為檢索模型與Deep Learning結(jié)合。一般采用的技術(shù)為生成式模型+檢索式模型方式。相應(yīng)的處理流程是先通過傳統(tǒng)的檢索模型檢索出候選集數(shù)據(jù),然后通過Seq2Seq Model對候選集進(jìn)行重排,重排序后超過制定的閾值就進(jìn)行輸出,不到閾值就通過Seq2Seq Model進(jìn)行答案生成。

生成式模型的優(yōu)點(diǎn)是可以通過深層語義方式進(jìn)行答案生成,答案不受語料庫規(guī)模限制,而缺點(diǎn)為模型的可解釋性不強(qiáng),且難以保證一致性和合理性回答,可控性較差。

檢索模型的優(yōu)點(diǎn)為答案在預(yù)設(shè)的語料庫中,可控,匹配模型相對簡單,可解釋性強(qiáng)。相應(yīng)的缺點(diǎn)為在一定程度上缺乏一些語義性,且有固定語料庫的局限性。