企业管理中语聊机器人的应用

前言：想要写出一篇引人入胜的文章？我们特意为您整理了企业管理中语聊机器人的应用范文，希望能给你带来灵感和参考，敬请阅读。

摘要：在人工智能广泛应用生产的创新背景下，语聊机器人利用自然语言处理（NLP）技术实现人机智能对话。结合各个行业的业务特性，语聊机器人定位为基于领域的智能对话机器人，通过定义基于领域的语义表示，制定语义标准，运用中文分析、多轮对话、语义识别等自然语言技术实现语聊机器人的智能交互，在行业应用过程中，帮助国内多个企业提升生产力，促进企业创新发展，助力企业的创新转型。

关键词：NLP；中文分词；语义识别；多轮对话；机器人

1语聊机器人背景与现状

1.1背景

随着人工智能技术的快速发展和广泛应用，将人工智能AI能力对接企业业务领域，加快推进企业生产等领域的创新发展，提质增效，同时在人口红利快速消失的背景下，实现从人工运维到智能化生产的转变，减少了人力投入成本，提升工作效率，也有助于提升行业竞争力。科大国创软件股份有限公司是致力于云计算、大数据、物联网和人工智能等领域的研发及应用，打造软硬件一体化智能产品的高科技上市企业。科大国创软件股份有限公司在人工智能领域深耕多年，致力于通过人工智能基础能力解决行业企业的痛点问题，立足企业自身管理需求和痛点问题，投入数名人工智能方面专业人士进行语聊机器人的研发工作，目的是帮助国内企业解决日常管理的痛点和难点问题，提升国内部分企业的整体生产力。对话机器人能够为企业提供许多便利之处，如有效的导引，参与各种各样的场景和提高品牌价值等。对话机器人帮助建立基于逻辑对话和基于目标的结果的对话路径，这是企业和组织非常需要的。

1.2现状

智能对话机器人因其创造性的概念，受到了社会和软件行业的广泛关注，智能对话机器人成为人工智能最广泛的实践，图灵测试成为人工智能领域王冠上的明珠，业界中对话机器人的实践也有很多。目前，一方面人工智能已经可以支撑聊天机器人在各个人机交互场景下达到灵活应用，大幅降低成本和扩大接触客户的范围;另一方面聊天机器人可以快速便捷地部署在移动设备上，改善或者改变移动端信息交互模式（信息交互是手机体验的核心），也就是说从某种程度来看，聊天机器人也许会比目前的手机应用更适合手机。科大国创软件股份有限公司以中国科技大学为技术依托，以擅长的基于网络的软件技术、数据库技术、云计算技术、移动互联技术、系统集成技术、智能控制技术、网络终端产品的研究与开发技术，面向国内、国际提供优质的产品和服务。科大国创在现有的技术和产品的基础上进行语聊机器人的深入研究。伴随着智能技术与生态系统的日益成熟与完善，聊天机器人创业公司蓬勃发展，风险投资资本也给该产业的繁荣注入了动力。目前，聊天机器人还处于发展初期阶段，未来五年内，人与聊天机器人之间将能进行更复杂的对话。

2语聊机器人应用价值

2.1提升工作效率

企业工作生产中，会遇到很多业务专业知识问题和技术难点问题，网上查询和咨询专家等传统的解决方式显然效率很低，直接与聊天机器人交互，快速获取业务知识及专业技术。

2.2降低响应时间

电信类企业的现场运维人员在需要快速处理紧急问题时，传统是通过人工咨询技术支撑人员，技术支撑人员需要进行繁琐的操作，耗时较长。通过构建“智能知识助手”，替换传统的人工根据文档整理大量的QA问答对话，快速响应运维人员。

2.3减少重复劳动

企业日常生产工作中，会出现许多重复工作和重复的咨询，这些工作需人工重复进行处理，且工作流程固定、工作模式完全模板化，采用创新的语音门户或智能IVR应答对接聊天机器人的模式，减少重复劳动。

2.4提高结果的精准性

企业传统全人工处理的工作，都可能存在人工失误或提供问题的解决方案不准确等问题。运用专业知识库和案例库结合人工智能算法的模式，问题结果的精准性有较高提升。

3语聊机器人建设方案

十余年来科大国创以市场为导向，开展语聊机器人的建设，语聊机器人是利用人工智能领域的自然语言处理技术，打造先进智能的人机对话引擎；语聊机器人可精准理解用户真实意图，并给出准确且专业的应答；语聊机器人通过持续训练逐步地提升对话机器人的智能程度，实现人机交互闭环；语聊机器人可接入APP、QQ、微信等多种载体终端，全面覆盖用户日常使用媒介，让用户随时可用、随处可用；语聊机器人可回复用户文字、语音、图片、视频等多种形式，真正成为用户的贴心助手。产品总体架构：语聊机器人在科大国创的基础技术和产品之上进行架构设计，语聊机器人总体架构由基础数据模块、AI通用服务模块、创新应用模块构成，语聊机器人总体架构如图1。（1）基础数据模块是获取行业相关数据，并通过接口或SFTP的方式，提供给AI通用服务平台。（2）AI通用服务模块由AI能力和AI通用能力平台构成，将第三方开源的AI技术和自主研发的AI技术封装成AI能力，汇聚到AI通用能力平台，对外提供统一的能力封装、统一的能力编排、统一的能力管控。（3）创新应用是基于AI通用服务开放的AI能力和数据能力，可快速构建出智能语音查询、大屏互动、智能知识问答等创新性应用。

4语聊机器人原理

4.1核心思路

语聊机器人实现多种接入方式，系统应用范围广阔；引入语义库进行意图分析，提高机器人用户体验；分模块建设，复用性高，系统间松耦合；引入容器技术，采用为服务器架构，灵活扩展；并且支持接入第三方AI引擎，准确率高。语聊机器人的实践思路如图2：（1）用户可以通过IVR接入、手机APP接入，大屏接入、Web端的html5页面接入。（2）控制中心收到用户的请求后，首先去安全中心进行安全鉴定。（3）身份认证通过后，控制中心将用户的声音信息进行语义识别，通过语义识别出问题关键字。（4）控制中心获取用户问题关键字后，发送到认知中心，通过语义库进行检索，确定其语义，通过意图分析，分析出用户的意图转换成意图命令，返回给控制中心。（5）控制中心到命令执行中心执行意图命令。这里分三种情况，第一种闲聊，则转到图灵机器人处理；第二种咨询，则通过检索知识库进行回答；第三种任务，即需要去调用相关服务完成的任务。最后将结果反馈给用户，如果需要进行语音回复，则进入到感知中心进行语音合成，反馈用户。

4.2核心技术

（1）语义表示。在智能对话交互中，自然语言理解采用的是框架语义表示的一种实现，即采用领域（domain）、意图（intent）和属性槽（slots）来表示语义结果。（2）中文分词。在自然处理的过程中，优先对语句进行中文分词，自然语言处理领域采用中文分词的工具，具有中文分词和词性标注功能。分词工具解决通用文本分词的工作，针对企业领域的专有语义，对分词工具进行优化改造，增加自定义语料库的功能。（3）多轮对话。人机对话中用户陈述的需求会首先被机器确定最终意图，然后根据用户陈述的需要进行词槽解析（词槽是多轮对话过程中将初步用户意图转化为明确用户指令所需要补全的信息），根据解析出来的槽位分析出关键字，通过机器深度学习来判断提供的关键字是否能够明确指令，如果指令不明确，那么由澄清话术以及机器深度学习来向用户发出提问，从而获取必要的关键字信息。（4）语义识别。语义识别采用一种基于余弦相似度和最小编辑距离的中文语义识别方法，涉及自然语言处理技术领域。包括如下步骤：步骤1：语料元数据采集；步骤2：语料数据预处理；步骤3：语料知识库配置；步骤4：语义匹配规则配置；步骤5：中文文字相似度计算；步骤6：中文拼音相似度计算；步骤7：语义总匹配度计算。通过爬虫技术采集互联网语料数据，构建语料知识库，以数据为基础，配置语义匹配的多重规则、中文和拼音双重匹配识别语义、余弦相似度算法计算中文文字、最小编辑距离算法计算语义拼音，根据配置的中文匹配和拼音匹配的权重计算语义总匹配率，使语义识别率更精准，保障双重识别模式识别率的稳定。

5语聊机器人应用场景

随着人工智能的发展逐渐成熟，各个领域都开展人工智能方面的创新实践，语聊机器人应用范围极为广泛，在电信、医疗、电商、交通、教育等多方面均有较多的应用场景。在企业管理方面的应用场景如下：（1）生产维护：7×24小时全天候在线维护，对话机器人支持嵌入生产维护QQ/微信群，做到问题实时响应，提高响应时间并且减轻生产维护人员的工作量。（2）一线运维：针对一线运维人员工作中，遇到的业务专业问题和技术难点问题，直接与对话机器人交互，快速获取专业技术和精确的解决方案。（3）智能客服：对话机器人客服7×24小时待命，保障客户随时享受智能服务，人工客服接待时，对话机器人自动匹配知识库问题辅助回答，让回答更快速，答案更标准。（4）知识助手：构建专家知识系统，收集专家经验知识，运用专业知识库和案例库结合人工智能算法的模式，对用户提出的问题，精准给出响应结果。（5）其他行业应用场景。电信行业：坐席客服机器人、网络优化机器人、网络监控机器人、网管监控机器人、营销机器人；教育行业：智能教师机器人、学习机器人、智能知识库、儿童早教机器人；电商行业：智能客服机器人、买家助手；政府单位：智能大屏机器人、法院法务机器人、民生办理助手。

6结束语

综上所述，企业管理存在着重复劳动大，问题解决不及时等多种问题，驱动着企业内部需要采用人工智能的手段进行解决；与此同时，语聊机器人在技术上具有一定的先进性和前瞻性，目前自然语言处理技术已经趋于完善，在企业管理中应用语聊机器人，能为企业管理方面带来提升工作效率、降低响应时间、减少重复劳动、提高结果的准确性等价值。根据语聊机器人的实践和分析，得出语聊机器人可为企业降低20%至40%的人力成本，可提升40%至60%的生产效率。考虑到对话机器人未来的发展趋势，对未来有可能出现的新的业务模式、管理模式，后续积极进行技术探索和市场调研，不断优化语聊机器人的智能程度，优化对话机器人的算法逻辑以提高自然语言处理的精准度。

参考文献：

[1]谢箭，刘国良，颜世佐，等.基于神经网络的不确定性空间机器人自适应控制方法研究[J].宇航学报，2010，31（1）：123-129.

[2]张文辉，齐乃明，尹洪亮.自适应神经变结构的机器人轨迹跟踪控制[J].控制与决策，2011，26（4）：597-600.

[3]鲍敦桥.仿真类人机器人设计及高层决策方法的研究[D].合肥：合肥工业大学，2009.

[4]余婷.多机器人队列曲线运动研究[D].上海：上海交通大学，2009.

[5]韩雪峰.导盲机器人[D].哈尔滨：哈尔滨工程大学，2009.

[6]马斌奇.多机器人协作与控制策略研究[D].西安：西安电子科技大学，2009.

[7]张文辉，齐乃明，尹洪亮.不确定机器人的神经网络轨迹控制[J].自动化与仪表，2010，25（5）：22-25.

作者：冯强中 范文斌 吴彤彤 刘成彪 单位：科大国创云网科技有限公司