1. <var id="eyixp"></var>
    
    

        1. 智能客服質檢項目實戰:如何在對話中識別客戶情緒

          2019-11-13 17:29:26 作者: 出處 :

          日前,智研咨詢、易觀等數據平臺相繼發布《2022-2026年中國智能客服行業市場運營現狀及投資規劃研究建議報告》、《2019中國客戶服務智能化市場專題分析》等客服行業相關報告,報告內容都在不同程度提及了客服行業市場規模的擴大,其中智研咨詢發布的報告顯示,至2018年我國智能客服行業市場規模達到了27.22億元,同比2017年增長了44.48%。智能客服行業規模不斷擴大,而如何降低成本并提供給顧客更好的體驗,一直是該行業在不斷探索的重要問題。

            這其中,自然語言處理(NLP)技術的應用則是優化體驗的重要“工具”之一。NLP技術不僅在智能對話、智能問答等智能客服場景中發揮著核心的作用,而且能在客服質檢環節提高質檢效率、優化客服質量。

          (圖:智研報告資料內容)

            在傳統客服場景下,為了保證服務質量,有專門的客服質檢員來對服務記錄進行抽樣監聽及評分工作,并形成質量報告反饋于業務人員和客服人員。但往往客服質檢員在抽樣和統計過程存在耗時、效率較低、質量報告難以完全代表整體客服水平等問題。利用NLP技術后,可以對顧客的說話內容進行情緒正向、負向、中性的標簽定義,初步完成對存在問題的客服進行篩選,從而為企業降低了人工質檢的成本并提高了效率。

            在優化客服體驗的“這條路上”,基于飛槳深度學習平臺開發的自然語言處理(NLP)工具PaddleNLP,為企業與開發者帶來了諸多便利。PaddleNLP是百度飛槳開源的產業級NLP工具與預訓練模型集,提供了依托于百度實際產品打磨,通過百億級大數據訓練的預訓練模型,能夠極大地方便 NLP 研究者和工程師快速應用。使用者可利用百度飛槳PaddleNLP 靈活使用文本分類、詞法分析、相似度計算、語言模型、文本生成、閱讀理解和問答、對話系統以及語義表示8大類工具,并且可以直接使用百度飛槳開源工業級預訓練模型進行快速應用,在極大地減少研究和開發成本的同時,獲得更好的基于產業實踐的應用效果。近期,百度AI快車道PaddleNLP實戰營舉辦多次活動,從文本語義匹配、對話情緒識別、物流信息抽取三個主題帶來不同的PaddleNLP開源工具的實戰課程。

            其中,“對話情緒識別”的本質就是通過“分類任務模型”對客戶表達的內容進行快速分類,辨別其當前表達的內容在情感上是正向、負向還是中性的。因此,當模型應用于客服質檢業務時,可有效快速地檢測出用戶表達的內容中,是否表達了不滿、滿意和無情緒三種感受??头|檢員則可針對識別為不滿情緒的對話客戶進行集中的查看,用以提升客服質檢的效率。

          (圖:使用NLP分類任務的客服質檢業務)

            技術上,基于百度飛槳PaddleNLP的“對話情緒識別”模型則特別針對中文表達中口語化、語氣詞多、詞匯亂序等常見情況與難題,優化除去口語化、同義詞轉換等預處理方式,保證識別數據的干凈有效,從而讓機器“更懂”用戶所表達的“中心思想”。因此,該模型可以廣泛的適用于電商、教育、地圖導航等場景,幫助“機器”更好地理解“人心”。

            此外,百度飛槳所提供的AI Studio一站式開發實訓平臺,還可提供集開放數據、開源算法、免費算力三位一體的服務,為開發者提供高效易用的學習開發環境、高價值高獎金的算法大賽、高質量的案例和進階課程,助力企業加速落地 AI 業務場景,相關內容可進入百度大腦開放平臺AI Studio頁面查看。(https://aistudio.baidu.com/aistudio/projectdetail/121630)

            活動當天,不少開發者表示導師講解的內容“非常實用”,一位來自社交領域NLP開發的從業者更指出:“飛槳AI Studio使用下來感覺非常‘流暢舒服’, 開發者可以用現成的代碼,把整個操作流程‘跑通’。尤其是對于初學者有著極大幫助,能夠幫他們快速上手建立信心。”

          (圖:百度AI快車道活動現場)

            在應用上,面對解決實際問題的具體模型選擇時,除了要考慮模型本身的效果,還要考慮跟真實操作環境的匹配。在GitHub的PaddleNLP主頁里,已經對包括對話情緒識別工具——emotion_detection等許多數據集等進行驗證,開發者可以直接使用。(https://github.com/PaddlePaddle/models/tree/develop/PaddleNLP/emotion_detection)

          (圖:GitHub中對話情緒識別代碼結構說明)

            2006年深度學習模型的提出,直接驅動了AI在圖像識別、語音識別、自然語言處理等方面取得眾多技術突破。而AI作為一種“新動能”,正在為眾多傳統產業降本提效和模式升級,帶來質的突破,產業智能化將成為新的趨勢。因此對AI乃至深度學習的關注和了解,將成為各行業“玩家”領先一步的關鍵。據了解,百度大腦AI開放平臺十月份集中分享了基于飛槳的深度學習領域資料,面向眾多開發者推出“深度學習技術課堂,探索實踐繼往開來”主題月活動。

            在客戶服務場景中,語言和表達就像是“第一生產力”。隨著金融、電信、教育、電商等行業的快速發展,大眾對客服的需求也隨之增加。然而,人工客服因數量覆蓋有限,而現有的“智能客服”則因語言和表達“不通人情”常讓客戶難以滿意,此時,情緒識別的價值便凸顯出來。

            具體如何使用PaddleNLP開源工具集的分類任務,從數據準備到模型訓練,再到效果調優,百度AI快車道PaddleNLP專場活動中已進行詳細說明。錯過此次活動不要緊,開發者可以進入“IT大咖說”網站后搜索“AI快車道”即可回看活動直播(http://www.itdks.com/Home/Act/apply?id=3212&mUid=3104597)。

            百度飛槳深度學習平臺對“產業智變”的探索還在持續進行中,想要快速上手、獲得開源代碼、聽大咖實操解讀等,可以關注百度飛槳官網https://www.paddlepaddle.org.cn,微信公眾號“飛槳PaddlePaddle”,或加入PaddleNLP交流群(QQ:758287592)了解最新信息。

          真钱牛牛