本次分享主要会介绍一下ES是如何帮我们完成NLP的任务的。在做NLP相关任务的时候，ES的相似度算法并不足以支撑用户的搜索，需要使用一些与语义相关的方法进行改进。但是ES的很多特性对我们优化搜索体验是非常有帮助的。

简介-Dr.cleaner/Dr.X系列产品

我们主要服务的项目是MAC上的APP——Dr.cleaner以及Dr.X系列产品。

Dr.cleaner在多个国家、地区的清理类MAC APP中排名第一，日活接近百万。

幸福的烦恼：客服

多语言、跨时区：我们的APP在国内可能还不是非常出名，它的目前的客户基本都在海外，其中美国是主要客户，同时也有其它国家跟地区的用户。

数量跟不上：随着用户数的急剧增加，客服的数量跟不上用户数的增长。

解决方案：客服机器人

客服机器人首要能解决产品相关的问题，其次要能解决MAC/IOS相关的技术问题，多语言的问题需要通过翻译API翻译成英语再尝试给出解决方案。

知识库的构成

任何智能客服如果没有足够的知识库支撑，即使它的算法再强大也不行。所以我们把很多MAC相关的网站抓下来塞进我们的数据库中。

各种爬虫

StackExcangeApple分论坛（公开数据源）、Apple Discussion、Mac world、WikiHow…

文档搜索

当用户问题出现的时候，我们如何从文档知识库中找出我们需要的东西？我们之前尝试过直接使用ES，但是距离语义还是太远了，效果并不好。

WMD也有明显缺点，它的算法复杂度非常高，计算速度很慢。WMD不是银弹，即使WMD之后也可能会得到一些不太好的结果。

我们的知识库会先经过ES过滤一层。原始的知识库大概是几十万级别，如果直接用WMD计算的话速度会非常慢。ES在一定程度上保证了它的字面差得不会那么离谱，当字面比较相近的时候它还是能匹配出一些东西。

ES具体操作

这个是最原始的mapping，我们基于这个mapping一步步去做优化。

优化：BM25 or TFIDF

采用BM25之后，当一个词的出现频率越高，到一定的阈值之后，它的影响是非常小的。

我们做了一个实验，修改了mapping，分别使用BM25 or TFIDF。从知识库中随机选取100个问题和10个回答，让ES进行查询，然后对比两边的结果。

我们一共进行了10轮，每轮会有100个回答。如上图可见，两个算法的重复度大概是91%。

根据实验得出，BM25的作用还是比较明显的，最终我们采用了BM25去做相似度的算法。

优化：拼写检查与纠错

我们的方案：Term Suggester + Custom Analyzer

使用Term Suggester

支持直接输入一句话：How to replace macbookk SSD？

Term Suggester自身调整

设定最小出现次数为3，修改了”string_distance”，把它改为”jarowinkler”。它默认的相似度是基于编辑距离的一些定制化，编辑距离默认会输出整数。

改进方法

增加用户行为数据的支撑。Google的算法很大一部分就是有用户行为数据支撑。

“瞻前顾后”，从我们的角度来说，要考虑前后两个词的关系。

优化：输入标准化

解决方案

首先使用Gensim生成备选词组，然后使用规则过滤出比较精确的候选词组。当我们获得一个正确的词组后，可以根据候选词组生成常见的错误写法。最后再实时处理用户输入和批量处理ES存储的知识库。

规则

规则就是纯英文字符，去掉数字。主要是品牌名和版本号。

POS Tagging + 词性过滤

WHY?

WMD的计算强度比较大，如果我们在输入词中能把一些不重要的词去掉，就可以降低WMD的计算强度。

在我们的一些知识库中，它的表达方式不一样。但重要的词换一个表达方式，能够提高准确率。

解决方案

当前我们的解决方案用Python NLTK进行分析过滤，输出每个词的词性，ES存储结果。

我们更为推荐的是使用ES分析、过滤、存储一条龙解决方案，但是这种解决方案需要自己写一个ES的Pos插件。

推荐方案的优点

性能：Java实现的东西一般来说要比纯Python的快，特别是在比较消耗CPU资源的时候。

简单：逻辑不需要在ES和Python两边同时维护。

节省空间：NLTK的模型文件也比较大，多个Docker镜像就意味着占用多个内存、磁盘。

优化：同义词

基于Word2vec的同义词

人为地定义同义词很难，我们是基于Word2vec生成“同义词”。

查询改写方案

我们的同义词方案是通过同义词进行查询改写。

其它一些优化

LTR：Learning to Rank

基于Machine Learning的重排序，模型按照预测的点击概率进行重新排序。

原文链接：https://cloud.tencent.com/developer/article/1083908

基于Elasticsearch的智能客服机器人的更多相关文章

  1. 瓜子IM智能客服系统的数据架构设计（整理自现场演讲）

    本文由ITPub根据封宇在[第十届中国系统架构师大会(SACC2018)]现场演讲内容整理而成. 1.引言 瓜子业务重线下,用户网上看车.预约到店.成交等许多环节都发生在线下.瓜子IM智能客服系统的目 ...

  2. AI人工客服开发 小程序智能客服 智能客服微信小程序 智能客服系统怎么做 如何设计智能客服系统

    今天我们就来给大家分享下如何做 小程序的智能客服问答系统. 首先请确保你的小程序在线客服已经开通使用,并使用代码自己对接好了,将客户的提问自动做了拦截,拦截到了你自己开发的接口上. 做好了拦截以后,我 ...

  3. Python模拟简易版淘宝客服机器人

    对于用Python制作一个简易版的淘宝客服机器人,大概思路是:首先从数据库中用sql语句获取相关数据信息并将其封装成函数,然后定义机器问答的主体函数,对于问题的识别可以利用正则表达式来进行分析,结合现 ...

  4. 【Google Cloud技术咨询】「Contact Center AI」引领我们走向高度智能客服的时代

    前提背景 我们距离"不再智障"的智能客服还有多远?对于智能客服,用户一直都是"批评多于褒奖",究其原因是在于人们对于AI客服的期待很高,而AI客服在实际应用中的 ...

  5. 关于ajax在微信智能客服管理端的使用

    ajax的语法样例: $.ajax({ 'url':url, 'type':'GET', 'dataType':'json', 'data':data, success:function (data) ...

  6. 智能客服 对话实现--python aiml包

    利用了python的aiml包进行应答 什么是AIML? AIML是Richard Wallace开发的. 他开发了一个叫A.L.I.C.E(Artificial Linguistics Intern ...

  7. 智能客服 利用python运行java代码

    因为需要在linux中用python来进行分析,顾需要利用python来运行java中语音转文字和文字转语音代码 在python中运行java代码需要利用jpype

  8. iOS：移动端“用户反馈和客服”的几个平台SDK的介绍

    简单阐述: 用户反馈功能几乎是每个app都有的一个功能点,通过反馈功能实现与用户的连接.沟通,随时随地收集用户意见反馈和Bug报告,即时和用户保持沟通,在一定程度上提升了app的竞争力.而给app评分 ...

  9. 基于jquery打造的网页右侧自动收缩浮动在线客服代码

    基于jquery打造的网页右侧自动收缩浮动在线QQ客服代码, 当前比较流行的一款QQ在线jquery特效代码, 代码中还带有IE6下PNG图片透明的特效,如果想研究IE6下PNG透明的同学也可以下载研 ...

随机推荐

  1. Java学习笔记11（this，super）

    this在构造方法间的使用, public class Person { private String name; private int age; public Person() { //this( ...

  2. 3D 网页，webgl ，threejs 实例

    http://learningthreejs.com/blog/2013/04/30/closing-the-gap-between-html-and-webgl/ http://adndevblog ...

  3. pytorch基础教程2

    1. 四部曲 1)forward; 2) 计算误差 :3)backward; 4) 更新 eg: 1)outputs = net(inputs) 2)loss = criterion(outputs, ...

  4. C#字符串string以及相关内置函数

    C#字符串string函数 本文提供全流程,中文翻译. Chinar 坚持将简单的生活方式,带给世人!(拥有更好的阅读体验 -- 高分辨率用户请根据需求调整网页缩放比例) Chinar -- 心分享. ...

  5. MarkDown常用语法表

    MarkDown常用语法表 本文提供全流程,中文翻译.Chinar坚持将简单的生活方式,带给世人!(拥有更好的阅读体验 -- 高分辨率用户请根据需求调整网页缩放比例) 1 Title - 标题 2 H ...

  6. ORB(oriented FAST and rotated BRIEF)特征提取与检测

    ORB采取FAST算法检测特征点,采取BRIEF算法计算特征点描述子. 1.检测特征点 检测候选特征点周围一圈的像素值,若有足够多的像素值与候选特征点的差异都较大,则认为该候选特征点是特征点. 对于上 ...

  7. xdoj-1106(判断组合数是否溢出）

    1 首先 ans=c(n,a[0] )*c(n-a[0],a[1])*(n-a[0]-a[1],a[2])...... a[i]: 含义 在数列中i的个数有a[i]个 2 如何判断 x*y>p( ...

  8. Web四则混合运算

    一.代码1: <%@ page language="java" contentType="text/html; charset=UTF-8" pageEn ...

  9. Manjaro启动项目及服务配置备忘

    Manjaro启动项目及服务配置备忘 =============== 系统服务GUI管理搜索 systemdgenie 并安装,类似Windows的服务管理. ================ 系统启 ...

  10. 10 HashMap,Map.Entry,LinkedHashMap,TreeMap,Hashtable,Collections类

    Map集合的功能概述 添加功能 * V put(K key,V value):添加元素.            * 如果键是第一次存储,就直接存储元素,返回null            * 如果键不 ...