基于知识图谱的智能客服系统研究
2023-08-11
来源:易榕旅网
基于知识图谱的智能客服系统研究廖美红(广西工商职业技术学院,南宁530003)摘要院在一定程度上由于人工客服所面临高负荷、高成本的实际问题,现代企业中需要更为高效、更为准确的智能客服服务系统应用。主要是基于知识图谱的智能客服系统研究,有机地结合了图谱的知识检索技术以及客服知识库,设计了智能客服系统。通过分析该系统和传统客服系统的问题,论证了智能客服系统在现代企业中的技术特点以及在今后的应用优势等方面的内容,现目前该系统已经在我国各大城市中得到了较多的实际应用,这种应用能够有效地提升我国智能客服系统的效果和建设效率。关键词院知识图谱;智能;客服系统;研究在我国诸多企业中的人工客服务部门所花费的成本相对较大袁在一定程度上这些客服都是存在培训费尧通讯费以及集体办公场地费用等条件的限制遥伴随着现代企业的客户量不断在增多袁庞大的业务咨询需求就会让人工客服在工作中的负荷压力不断增大遥基于此袁现代企业的智能化尧信息化发展袁也让智能客服系统应运而生了遥智能客服系统是一种面向所有领域袁所有行业的大规模的知识处理自动问答系统袁其自身所涉及到到的领域有自然语言管理尧知识管理以及相关的话语推理等多方面的技术袁在一定程度上能够为现代企业和大量的用户之间沟通提供一种有效的解决方式遥在某种程度上去构建现代企业知识库袁智能客服系统是能够在现代企业热线电话袁官方网站以及微信公众号等多个渠道去为用户提供技术的帮助服务袁为人工客服减轻工作负荷遥词以及语句的相似度计算两个方面的设计遥其中中文的分词理解主要是说自然语句切分为一组的重要词汇的操作袁在一定程度上使用具体的方式为所使用的双向量最大匹配算法袁从而去给予现代企业知识库中的重要关键词的数据库中袁从数据库中把自然语句切分为若干个关键词遥中文分词部分的输出结果是一个字符串数所构成的袁比如院野中午你吃饭了吗冶会被切分为野中午冶尧野你冶野吃饭冶是以这种形式在自然语言中进行理解分析的遥还有就是语句的相似度计算分析主要说的就是完成答案的检索操作遥首先要先对客户所输入的中文语句进行中文的分词袁分词如上所示袁然后系统会根据中文的分词句法尧结果以及词语出现的频率等自然特征袁将所输入的语句与现代企业知识库中的知识进行对比袁从而去获得相识度最接近的若干条回答的实质话语袁并且要根据相关系统所设定的规则进行输出袁让客户能够看见回答遥较为常使用的语句相似度计算方法主要包含了编辑距离尧本体加权以及向量空间模型等诸多计算方法遥11.1构建现代企业知识库智能客服系统的关键技术现代企业的知识库主要是由若干条知识所构成遥在一定程度上知识的定义是院一个标准的问题袁一个标准的答案或者是若干个分散的问题问法的构成遥其中所分散的问法以及标准的回答问题的答案可以被称为为相同的意图遥在构建现代企业知识库过程中是需要对用户所提出的所有问题或者是扩展的问题进行中文的分词袁然后标注出重点词汇遥1.2自然语言的理解在一定程度上自然语言理解主要是使用在分析客户22.1构建知识图谱的知识库基于知识图谱的智能客服系统知识图谱的概念叙述遥在一定程度上知识图谱是知基金项目:2019年度广西中青年教师科研基础能力提升项目袁名称院基于知识图谱的电子商务客服问答算法设计与实践渊项目编号院2019KY1519冤遥作者简介:廖美红渊1979-冤袁女袁硕士袁副教授袁研究方向院计算机应用技术遥收稿日期:2018-11-12所提出问题的文字中袁确定该问题中中文词的含义并且要匹配相关回答的答案遥这种技术主要是包含了中文分1242019.02识的元素组成的联系结构袁在灭一个知识图谱中主要包含了条件尧对象以及属性和参数等多个元素所构成袁其中条件是和参数能够决定一个知识图谱的实例化的袁对象和属性是能够决定知识图谱结构的遥常规的一个知识图谱是能够分为多个实例化结论袁在一定程度上实例化的结果和以往的企业知识库当中的知识概念是有很大相似程度的袁其中每一个实例化的结果都是会对应相关的标准答案袁这样能够让该系统回答客户所提出问题中能够及时的解决客户的所提出的疑问遥企业知识图谱的4个元素可以简单来进行概述院条件袁主要是修饰并且实例化对象的定语曰对象袁主要是一条知识图谱的重点名词曰属性袁主要是对象的下级特征袁对象的属性是可以拥有再低它一级的属性曰参数袁主要是修饰并实例化属性的标准定语袁充分运用这些能够有效地构建出知识图谱的企业知识库遥构建企业知识图谱遥在一定程度上去根据属性和对象2个元素去完成一个知识图谱构建袁主要如下所示曰渊1冤的分类可以根据当前已知知识领域对于原始知识进行具体袁比如电力企业中的电价格知识袁营业厅知识等方面袁还需要以少部分的电力营业厅类型的知识为例子袁其中可以包含营业厅的热点电话号码是多少袁营业厅所要办理的主要业务有那些或者是营业厅的具体位置在哪里等方面的内容遥渊2冤在确定同种类型的问题对象中袁比如步骤一中的问题对象主要是电力营业厅遥渊3冤线电话号码要确定对象的属性列表袁具体办理的业务以及营业厅的地址等袁比如电力企业营业厅的热遥渊4冤关联的下级属性要在系统中去检索对象的相关属性袁比如营业厅所办理的业务的下级包袁然后确定相含了预约方式以及相关所需要办理业务的资料等下级属性遥知识图谱的实例化分析遥在一定程度上知识图谱的实例化主要说的就是知识图谱中属性以及对象所设置的具体条件袁在某种意义上为属性所设置的参数是为实例设置标准答案的过程遥在一定程度上具体的实例化过程可以如下所示院渊1冤设置条件袁在完成对象的实例化之后要将对象之前的词汇加入进去袁比如某个地方的营业厅遥渊2冤要确定实例化的属性参数问题袁比如营业厅的具体热线电话号码和地理位置等遥渊3冤要设置好具体的参数袁在完成属性实例化之后袁要将参数确定遥渊4冤要为属性实例去设置标准的回答答案袁比如95588遥完成上述操作之后就能够完成对象和属性的实例化袁这样对于同一个对象是能够同时去拥有多个实例的遥2.2在基于知识图谱问题的答案搜索中首先要进行中知识图谱的智能问答分析文的分词袁然后根据分词的结果从企业知识库当中去搜索最为接近的答案袁这个过程的知识图谱流程如图1所示遥中文分词从关键词中搜索对象否存在对象是输出结果确定条件实例化对象匹配失败根据对象的知识图谱搜索属性否存在属性是根据默认参数确定参数实例化属性输出标准答案根据知识图谱搜索再下级属性图1实例化的知识图谱流程图在图1中袁该系统从中文分词结果中去搜索条件尧对象尧属性以及参数袁最后在确定实例化的属性袁并且能够返回实例化的属性所对应的标准答案袁从而完成整个搜索答案的流程3知识图谱的智能客服系统测试遥为了能够去有效地验证该系统的应用效果袁主要是针对整个系统的知识库建立的搜索能力以及效率和传统的知识库进行相关的对比分析遥在一定程度上传统的企业客服主要是以中文分词和重点词汇为中心袁然后通过语句的相似度来进行计算回答的遥整个系统有着不错的效果袁但是也存在较多的问题袁可以将问题总结为两个方面遥渊1冤为了能够达到较高的答案准确性袁企业需要建立一个极为庞大的知识库袁要为每一条知识去设计相似度的问法袁然后完成重点词汇的标注袁这样做是会浪费大量的人力和物力遥渊2冤在知识库之间没有逻辑性可言袁伴随着知识库的不断增大袁诸多知识之间的相似度会发生冲突袁从而让知识库在后续的维护中难度不断增大袁针对上述问题提出了以下的(下转第128页)2019.02125车后退等遥串口通信可远距离的传输数据袁通过一根数据线即可快速发送一位位的数据遥相关程序院voidCom_Int(void)interrupt4using1{ES=0;if(RI){a=SBUF;RI=0;if(a=='7')//PWM加{if(pwm_che==40)pwm_che=35;//让值为0到40pwm_che+=5;}elseif(a=='8')//PWM减{if(pwm_che==0)pwm_che=5;//让值为0到40pwm_che-=5;}}ES=1;}晶尧声音模块等遥足够的扩展能力使得智能车可应用在更多的领域中袁可制作自动灭火车尧自动搜救车遥因此袁在未来的发展中袁智能车将会被广泛的应用在现实生活中遥参考文献[1]谢晓敏,闵锐.基于89C51单片机的智能寻迹避障2018,36(01):15-18.小车设计[J].太原学院学报(自然科学版),[2]宁慧英.基于光电传感器的智能小车自动寻迹控制系统[J].仪表技术与传感器,2012,(01):108-110.智能计算机与应用,2012,2(01):45-47.大学,2014.[3]陈伟钱.一种时间记录寻迹智能小车的设计[J].[4]储星.智能车辆自主驾驶控制策略研究[D].湖南[5]潘学军,张兆惠.基于模糊PID的智能汽车控制系统[J].控制工程,2009,(05).4结语以STC89C52RC单片机为控制核心智能车系统烧录C语言程序可稳定的实现预期功能袁由于单片机仍有多余的IO口袁即有足够的拓展空间袁如院可扩展加入液(上接第125页)测试对策遥3.1知识搜索能力对比测试我国大城市中有很多电力企业营业厅的微信公众号知识库所构建的知识流程为袁使用系统对标准问题进行中文分词袁然后根据分词对结果进行知识分类袁再确定对象下级和下级的下级属性袁直到让其包含所有属性为止袁最后就是根据原始知识去完成知识图谱的实例化过程遥利用传统知识库所构建知识的流程是院渊1冤为标准答案添加五到十个相似度较高的话语袁渊2冤使用系统对标准问题和文法进行中文分词袁渊3冤人工对分词结果进行优化袁最后就是人工为关键词进行权重的标注遥现目前都是运用的传统知识库的语义相似度计算方法去实现智能客服回答系统的袁其可以作为对比测试的对象遥在实际测试期间可以把电力企业营业厅的微信公众号的智能客服知识库进行导出袁然后根据所设计的系统方法进行图普化袁通过专业的测试软件进行对比测试袁在实际测试过程中必须要选取准确的答案知识袁要由测试人员根据自身的习惯袁去设定问题回答的语句袁然后输入到系统中并且获得系统回答的答案袁如果系统的答案符合匹配袁那么就是正确的袁反之匹配出现错误袁就说明整个系统的知识库还没有得到完善遥因此袁相关人员必须要针对整个问题做出相对应的解决方案袁从而将知识库进行优化遥3.2人工整理时间对比测试在一定程度上测试数据的来源是某地方供电局有限4结语提出了知识图谱构建方式以及具体问答的匹配方法袁在一定程度上能够降低现代企业知识库整理的成本为客服知识库整理的效率有所提高袁从而实现现代企业的社会经济效益的可持续发展遥参考文献[1]杜泽宇,杨燕,贺樑.基于中文知识图谱的电商领159-165.域问答系统[J].计算机应用与软件,2017,(05):公司的原始客服知识库袁在该知识库中的客服知识高达三千多条袁在测试过程中选取其中的一百条来作为知识图谱测试的取样袁然后分别适用基于知识图谱的知识库方案以及传统的知识库方案进行具体的测试遥其中基于知识图谱[2]任函,孙为.知识图谱在智能教学系统中的应用[3]高龙,张涵初,杨亮.基于知识图谱与语义计算的2018,294(07):46-51.[J].开封教育学院学报,2017,37(6):171-173.智能信息搜索技术研究[J].情报理论与实践,1282019.02