1. 智能机器人 — 多轮对话
我们可以看到，其多轮对话分为问题理解、对话管理、对话引导以及答案生成。其中答案生成其实是预先配置好的。
1.1 问题(意图)理解
通常再意图理解上，会用分类模型。但是美团业务比较复杂，可能会经常新增意图，所以作者这里采用了QQ（用户query-相似问）匹配模型的方案：
模型经过不断优化，最终方案是用预训练的roberta（而且能进行在线学习），对不同业务域进行多任务学习。特征上，还是加入了相似问所对应意图文本以及答案文本。
1.2 Task内调度
预测到了一个意图，意图内部的对话管理，都是有Task-flow人工配置的：
这失去了对话管理的泛化能力，但是业务同学可以方便自主随时进行配置。这样就将算法工作和业务逻辑进行了解耦。百度的智能对话平台UNIT， 阿里云的对话工厂都是这样的解决方案。
算法在这里的工作又简化成了语义匹配的任务：
上图的3个不同选项，对应着Taskflow中某节点的3个不同的下游分支。有模型语义匹配判断走哪个分支。
1.3 Task间调度——多轮对话引导
会话中用户通常会咨询多个问题。如何进行Task间的调度？作者利用了itemCF进行建立事件图谱：
其实这也可以用序列预测类模型来实现。
说是对话管理，其实产品形态上更加像是“关联问题推荐”：
1.4 多轮对话——意图澄清
在进行意图理解之前，需要先明确业务域。比如说，用户说“我要退款”，这可能是“外卖”业务，也可能是“团购”业务。不同的业务对应的回答是不同的。
作者的方案是先通过领域分类模型（一级模型）识别。不明确时，就会利用排序模型（二级模型）提供业务列表，让用户自行选择来澄清：
同样的，虽然说是对话管理，但产品形态就像是“业务领域推荐”，==| ：
1.5 问题推荐
进入服务门户时（即还没说话），推荐用户最可能想问的问题， 引导用户精准表达需求：
作者这里采用了ESSM多任务排序模型，来建模CT（点击）-CVR（解决）模型：
1.6 答案供给
我理解，上述的一些功能是针对平台客服的。但是对于用户对于一些商家的咨询，特别是商家没有IM客服资源的场景下，如何满足用户咨询的诉求呢？这里作者介绍的比较粗略，但我理解，如果想做好应该是一项大工程。
- 图谱问答
基于商家的基础信息，建设知识图谱，进行图谱问答：
- 社区问答
基于“问大家”的社区数据，进行问答。这部分的技术方案应该和1.1节的问题(意图)理解是一样的：
- 机器阅读理解
对于政策、活动文章，利用机器阅读理解来进行回答：
2. 人工辅助
2.1 话术推荐
减轻坐席/商家在与用户沟通过程中，重复性话术输入的费力程度。
通过记忆每个坐席及其技能组、商户及其同品类商家的历史聊天话术，根据当前输入及上下文，预测接下来可能的回复话术，供坐席选择。 推荐时机：
①用户发来消息
②坐席自己发送了一条消息
这块美团做的还是比较粗，直接从对话日志里面挖回复。在业界其实会做更精细的知识库、优秀话术库等，作为物料进行推荐。
2.2 会话摘要
客服结束一通咨询后，需进行背景、诉求、处理结果的填写。智能的会话摘要，可以提升客服坐席工作效率，改善其办公体验。作者的方案进行了如下的演进：
效果如下：
我理解，在这个业务场景下，其实用抽取式摘要是不太合理的。抽取式摘要适用于新闻摘要的场景，但是对话摘要的摘要和原文的文本表达方式是大相径庭的。还有相比单纯的文本摘要，对话摘要更加合适结合半结构化模板来做。因为客服咨询对话核心要点是固定的，如：背景、诉求、处理结果等。而且，这样的摘要更适用于客服后续跟进时进行查阅。
3. 小结
上述介绍的功能在美团已经平台产品化了——搞了个对话平台“摩西”。大图如下：
标签：客服,美团,摘要,用户,解读,意图,对话,模型 来源： https://blog.csdn.net/u011239443/article/details/121951046
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。