AI技術(shù)發(fā)展和海量大數(shù)據(jù)沉淀驅(qū)使客服向智能化方向前進(jìn)，智能客服用于用戶接待已是大勢(shì)所趨。在早期應(yīng)用中，智能客服已經(jīng)幫助人工客服分擔(dān)了一部分接待壓力，但如何持續(xù)提升智能客服的意圖理解力、共情能力（即情商）和解決能力，并且做到能夠與人工客服保持體驗(yàn)一致的服務(wù)水平，同時(shí)利用技術(shù)手段使客服服務(wù)全鏈條進(jìn)行智能化升級(jí)，是智能客服團(tuán)隊(duì)2018的頭等大事。

▲智能客服VS人工客服能力對(duì)比

為了解決以上問(wèn)題，在機(jī)器人能力層面，智能客服團(tuán)隊(duì)基于Neuhub平臺(tái)的情感分析API賦予了智能客服情緒識(shí)別、察言觀色的能力，并首創(chuàng)ABSQ（Action/Business/Scene/Question）方法構(gòu)建業(yè)務(wù)知識(shí)圖譜，讓機(jī)器人能夠從多維度判斷用戶意圖；在客服服務(wù)全鏈路智能化上，今年上線了語(yǔ)音導(dǎo)航并利用機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)客服資源智能調(diào)度分配，下面將逐一給大家分享具體的技術(shù)方案。

智能客服與人工客服的體驗(yàn)差距在多輪對(duì)話中的語(yǔ)義理解上表現(xiàn)明顯，伴隨用戶和智能客服進(jìn)行多輪對(duì)話后，問(wèn)題變得深入和具體，導(dǎo)致智能客服無(wú)法精細(xì)化理解用戶訴求，在同一業(yè)務(wù)的不同細(xì)分情況下往往會(huì)給出同樣的答案。

為了更好地理解用戶意圖，將分類(lèi)體系由原始單一維度劃分改為由ABSQ（Action/Business/Scene/Question）多維度共同判斷用戶意圖，從而能夠精細(xì)化定位用戶意圖，對(duì)各種不同情況給出針對(duì)性的答案。雖然判斷的維度變多，但是從任意單維度看分類(lèi)數(shù)量大大減少，分類(lèi)的可區(qū)分性大大增強(qiáng)，從而保證模型準(zhǔn)確率。

在這一過(guò)程中，采用聚類(lèi)的方式先產(chǎn)生大致的分類(lèi)體系，再經(jīng)人工最終確認(rèn)，在保證準(zhǔn)確性的前提下減少人工參與度。除業(yè)務(wù)維度外，還增加了問(wèn)句的句法判斷，根據(jù)不同的問(wèn)句類(lèi)型進(jìn)一步精細(xì)化應(yīng)答。

▲ABSQ分類(lèi)方法示意圖

算法層面，基于HierachicalAttention Networks（HAN）改進(jìn)的SentenceAttention Hybrid Networks模型，該模型更強(qiáng)調(diào)問(wèn)題所在語(yǔ)境，每個(gè)問(wèn)題都會(huì)結(jié)合上下文進(jìn)行理解。模型底層理解單句問(wèn)題，結(jié)合Attention機(jī)制，模型頂層理解整個(gè)會(huì)話的意圖。通過(guò)模型網(wǎng)絡(luò)結(jié)構(gòu)的調(diào)優(yōu)，既能捕捉到單句中的核心詞匯，又能夠更好的匯總每句話的語(yǔ)義得到會(huì)話級(jí)別的意圖，與業(yè)界公開(kāi)的最優(yōu)模型相比，在算法準(zhǔn)確率有一定提升的情況下，算法性能有大幅提升，有力的支撐了產(chǎn)品的快速迭代。

▲Sentence Attention Hybrid Networks模型算法結(jié)構(gòu)

通過(guò)以上一系列的優(yōu)化措施，意圖識(shí)別準(zhǔn)確率在不同場(chǎng)景下均有5%到10%的提升。未來(lái)還會(huì)進(jìn)一步提升機(jī)器人的自學(xué)習(xí)能力來(lái)減少人工參與度。一方面使用大量未標(biāo)注數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，進(jìn)而通過(guò)少量標(biāo)注數(shù)據(jù)就能達(dá)到更優(yōu)的模型效果，大幅減少人工標(biāo)注量，尤其是在新業(yè)務(wù)擴(kuò)展時(shí)的工作量。另一方面，也會(huì)嘗試強(qiáng)化學(xué)習(xí)的方式直接學(xué)習(xí)人工客服的決策流程，進(jìn)一步提升應(yīng)答效果，減少人工標(biāo)注。

針對(duì)人機(jī)服務(wù)對(duì)比差異中機(jī)器人的情商短版，智能客服團(tuán)隊(duì)基于Neuhub的情感分析模型賦予了智能客服共情能力，讓智能客服能夠識(shí)別生氣、焦慮、擔(dān)憂、失落、迷茫、高興、平靜等七種情緒。

技術(shù)方案主要基于卷積神經(jīng)網(wǎng)絡(luò)，用以提取用戶情緒的深層次表達(dá)。最終方案不僅識(shí)別精度高，而且泛化能力強(qiáng)，使得相似語(yǔ)義不論如何轉(zhuǎn)化表達(dá)，都能準(zhǔn)確地獲得情感分析結(jié)果。

▲情感分析技術(shù)實(shí)現(xiàn)框架

與行業(yè)內(nèi)多數(shù)客服機(jī)器人還停留在無(wú)法進(jìn)行情感分析或者只能進(jìn)行情感兩極分析的階段不同，情感智能客服機(jī)器人不僅能自動(dòng)識(shí)別用戶在交談過(guò)程的生氣、焦慮等七種情緒，還能識(shí)別出用戶情感的濃度，如一點(diǎn)點(diǎn)生氣、非常生氣等。

為了解決標(biāo)注數(shù)據(jù)不足的困難，采用遷移學(xué)習(xí)技術(shù)，將粗細(xì)力度的兩種標(biāo)注數(shù)據(jù)聯(lián)合訓(xùn)練，通過(guò)shared layer，模型借助輔助任務(wù)（粗粒度）的大量標(biāo)注數(shù)據(jù)來(lái)提升主任務(wù)（細(xì)粒度）的預(yù)測(cè)結(jié)果。

反向翻譯（back-translation）是機(jī)器翻譯中的常見(jiàn)數(shù)據(jù)增強(qiáng)方法，將該方法應(yīng)用于情感分析，通過(guò)對(duì)訓(xùn)練數(shù)據(jù)應(yīng)用漢譯英、英譯漢，擴(kuò)充訓(xùn)練數(shù)據(jù)樣本量，一定程度解決數(shù)據(jù)樣本不充分和分布不均衡的問(wèn)題。

基于以上兩種方法，使得模型只需使用少量訓(xùn)練數(shù)據(jù)，就能達(dá)到精準(zhǔn)識(shí)別的效果。相比未應(yīng)用情感分析前，智能客服升級(jí)后用戶滿意度提升57%。

某一特定場(chǎng)景下業(yè)務(wù)標(biāo)注樣本稀缺、標(biāo)注樣本質(zhì)量不高是機(jī)器學(xué)習(xí)面臨的一大挑戰(zhàn)。未來(lái)也會(huì)嘗試使用非監(jiān)督訓(xùn)練方法，利用大量未標(biāo)注數(shù)據(jù)來(lái)提升模型準(zhǔn)確度，此外也會(huì)嘗試多通道融合技術(shù)，將文本、語(yǔ)音、圖像信息綜合起來(lái)做出準(zhǔn)確判斷。

過(guò)去，京東用戶撥打電話聯(lián)系客服時(shí)，是傳統(tǒng)的按鍵形式，用戶常常需要聽(tīng)完后進(jìn)行撥號(hào)選擇，在喧鬧環(huán)境下還往往需要反復(fù)聽(tīng)，耽誤用戶的時(shí)間又可能轉(zhuǎn)接錯(cuò)誤，體驗(yàn)亟待提升。而針對(duì)電話端人工客服的質(zhì)檢，耗時(shí)也比較長(zhǎng)。因此，智能客服團(tuán)隊(duì)便基于ASR和NLP等技術(shù)進(jìn)行改造。

在ASR和NLP方面都采用了最新的技術(shù)手段，在準(zhǔn)確率和用戶體驗(yàn)等方面都具有一定優(yōu)勢(shì)，能基于大量客服專(zhuān)有數(shù)據(jù)訓(xùn)練模型，實(shí)現(xiàn)用戶電話咨詢的流程由傳統(tǒng)按鍵方式升級(jí)為智能語(yǔ)音導(dǎo)航，通過(guò)語(yǔ)音導(dǎo)航細(xì)化客戶咨詢的問(wèn)題場(chǎng)景，并結(jié)合客服的CRM系統(tǒng)，直接彈屏給對(duì)應(yīng)的電話客服，使客服快速獲取用戶咨詢背景，減少重復(fù)詢問(wèn)，提升用戶體驗(yàn)。

此外，整體方案采用標(biāo)準(zhǔn)的MRCP協(xié)議連接電話系統(tǒng)與后端服務(wù)，能適配不同廠商的電話系統(tǒng)，也有易于擴(kuò)展開(kāi)發(fā)各類(lèi)功能模塊，如ASR、TTS等。利用Nginx作為前端負(fù)載均衡，通過(guò)docker方式部署服務(wù)，能根據(jù)業(yè)務(wù)容量等需求靈活伸縮擴(kuò)容。遵循標(biāo)準(zhǔn)協(xié)議，能適應(yīng)各種不同的語(yǔ)音業(yè)務(wù)需求，包括客服導(dǎo)航、外呼等。最終將電話系統(tǒng)、MRCP及ASR等成熟技術(shù)有效結(jié)合，實(shí)現(xiàn)了客服導(dǎo)航自動(dòng)化，有效提高用戶體驗(yàn)。

▲客服語(yǔ)音質(zhì)檢架構(gòu)圖

語(yǔ)音導(dǎo)航是京東客服第一個(gè)完全通過(guò)語(yǔ)音實(shí)現(xiàn)人機(jī)交互的智能系統(tǒng)，上線后用戶操作時(shí)間節(jié)省了一半，語(yǔ)音質(zhì)檢也實(shí)現(xiàn)線上全覆蓋，相比之前結(jié)果處理速度加快一倍，對(duì)提升用戶體驗(yàn)，提高工作效率大有裨益。

除了提升智能客服和人工客服的服務(wù)質(zhì)量，如何將這些客服資源合理分配也是一件難事。以往客服調(diào)度依賴人工經(jīng)驗(yàn)，但這樣很難考慮不同客服的具體技能水平，容易出現(xiàn)資源閑置。

為了解決這個(gè)問(wèn)題，智能客服團(tuán)隊(duì)利用機(jī)器學(xué)習(xí)，首次在客服領(lǐng)域?qū)⒂脩糇稍円鈭D、情感和交叉畫(huà)像（客服服務(wù)、顧客咨詢）綜合進(jìn)行考慮，在用戶發(fā)起咨詢請(qǐng)求時(shí)進(jìn)行自動(dòng)智能匹配，為用戶找到最合適的客服，從而提升用戶體驗(yàn)和客服效率。

本方案首先通過(guò)協(xié)同半監(jiān)督回歸算法進(jìn)行客服技能評(píng)分預(yù)測(cè)，并利用低秩矩陣補(bǔ)全進(jìn)行客服技能水平定量評(píng)估，從而進(jìn)行全局客服分流和調(diào)度。

• 協(xié)同半監(jiān)督回歸客服技能評(píng)分預(yù)測(cè)

  通過(guò)訂單數(shù)據(jù)、商品數(shù)據(jù)、客服統(tǒng)計(jì)數(shù)據(jù)等可以對(duì)客服會(huì)話質(zhì)量進(jìn)行預(yù)測(cè)，但是會(huì)話質(zhì)量的人工標(biāo)注樣本往往非常少。通過(guò)協(xié)同半監(jiān)督回歸算法來(lái)有效利用大量的未標(biāo)注數(shù)據(jù)，分別訓(xùn)練兩個(gè)回歸器，并對(duì)每個(gè)回歸器，將高置信的數(shù)據(jù)作為訓(xùn)練樣本交給另一個(gè)回歸器進(jìn)行訓(xùn)練，這樣不斷協(xié)同迭代，提高預(yù)測(cè)準(zhǔn)確率。

▲協(xié)同半監(jiān)督回歸模型示意圖

• 低秩矩陣補(bǔ)全客服技能水平定量評(píng)估

  如果客服在一些意圖場(chǎng)景下沒(méi)有過(guò)會(huì)話，則無(wú)法直接通過(guò)回歸預(yù)測(cè)客服-意圖場(chǎng)景評(píng)分，但是客服、意圖場(chǎng)景之間可能存在相關(guān)性和冗余。通過(guò)低秩矩陣補(bǔ)全算法對(duì)客服-意圖場(chǎng)景的評(píng)分矩陣進(jìn)行補(bǔ)全，同時(shí)利用雙重歸一化和補(bǔ)全矩陣驗(yàn)證進(jìn)行優(yōu)化，預(yù)測(cè)客服所對(duì)應(yīng)的所有場(chǎng)景的技能評(píng)分，從而進(jìn)行更全面更合理的客服調(diào)度。

▲特征工程與建模思路

通過(guò)合理調(diào)度分配，客服接待能力提升15%，實(shí)現(xiàn)“物盡其用，人盡其才”。在未來(lái)，智能客服將通過(guò)深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等技術(shù)實(shí)現(xiàn)更精準(zhǔn)、更細(xì)粒度、可自適應(yīng)的智能客服分流和調(diào)度方案，進(jìn)一步提升用戶體驗(yàn)和資源利用。

今年在智能客服的技術(shù)探索取得了一定成效，未來(lái)將會(huì)持續(xù)提升，為給用戶提供極致體驗(yàn)而努力。相信伴隨AI技術(shù)進(jìn)一步發(fā)展以及京東大數(shù)據(jù)不斷沉淀，會(huì)跟京東諸多同道一起，以技術(shù)創(chuàng)造美好生活！