谁能打败 Siri 问答准确率超95%

问答准确率超 95% ，降低 80% 知识库建设成本；背后的 NLP 技术获得 4 个世界第一， 2 个世界第二；这是腾讯云企点客服不为人知的一面。
2020 年底，腾讯云企点客服发布了智能客服 3.7 最新版，这款产品具备的 5 大优势引起了开发者的广泛关注，包括任务型多轮对话，降低 80% 知识库建设成本，问答准确率达到 95+ ，可配置的机器人客服以及结合知识图谱的个性化主动服务。
腾讯作为国内一流的产品公司，如今在 to B 业务上取得了长足进步，优秀产品包括腾讯会议，企点客服，企业微信等。优秀的通讯产品自然离不开背后的技术储备，以此为契机，小编深入了解了腾讯云企点客服背后的技术，并选取了其中最具代表性的 NLP 进行剖析：
业界的 NLP 技术发展到哪了？
企点客服背后的 NLP 技术有哪些亮点？
NLP 技术如何赋能企点客服的产品？
有哪些落地案例值得参考？
【谁能打败 Siri】腾讯云企点客服底层 NLP 技术
获世界顶级大赛冠军
在今年 2 月举办的第八届国际对话系统技术挑战赛（DSTC-8）上，企点客服的核心 AI 能力支持者——腾讯云小微夺得了 4 个世界第一和 2 个世界第二，各项比赛指标不断突破行业先进水平，甚至成为行业新的标杆。
DSTC 对话系统技术挑战赛由来自微软研究院、卡耐基梅隆大学的科学家于 2013 年发起，迄今已举办了 8 届。 DSTC-8 共设置有四大赛道，包括面向多领域端到端对话系统，端到端的问答预测，基于 Schema 的对话状态追踪等热门产学界难题。参赛选手包括平安人寿、中科大、华为、滴滴、IBM 等全球顶尖的大学、科技企业和人工智能研究机构等多支队伍。
腾讯云小微参加了三个赛道中的七项任务，提出了多项解决方案，其中在端到端的问答预测赛道提出的对话回复选择模型备受关注。具体来说，为了解决多轮人机对话， IRC 聊天室对话等不同场景下的回复选择问题，并定位未解决问题；该项模型在 BERT 模型基础上分别增加了数据增强技术，用来弥补特定领域的数据稀疏问题；同时利用迁移学习技术，将 BERT 模型从通用领域准确的适配到指定的任务领域中；应对句子级上下文建模方法，捕捉整体对话中各个部分之间的细微联系，从而生成更准确的回复。
文章插图
最终，通过综合以上多种 NLP 模型，极大提升了问答准确率。在多轮人机对话任务中，腾讯云小微准确率达到 97.9% ，代表了 AI 机器人回复能力的新突破。在 IRC 聊天室对话的任务中， AI 机器人的准确率达到 95.7% ，凸显了在行业中的领先技术水平，而这一机器人成为了企点客服的实践应用能力支撑。
智能客服 4.0 ，客服行业巨变已开始
经过互联网时代的变革，客服中心已经逐渐进入基于人工智能进行内在创新的智能客服时代，能处理的问题种类和数量也越来越多。而 NLP 作为智能客服领域的核心技术，其发展一直深刻影响着智能客服行业的走向。按照技术演进的趋势来划分，从基于关键词进行匹配的检索式技术开始，智能客服技术方案发展至今共经历了 4 个阶段，形成了 " 检索 +NLP 技术处理 " 智能化技术方案：
第一阶段（1.0）：基于关键词匹配的 " 检索式机器人 ";
第二阶段（2.0）：运用一定模板，支持多个词匹配，并具有模糊查询能力 ;
第三阶段（3.0）：在关键词匹配的基础上引入搜索技术，根据文本相关性进行排序 ;
第四阶段（4.0）：以神经网络为基础，用深度学习理解用户意图。
第四阶段的出现基于深度学习技术，行业还未形成统一的应用标准。但以诸多特性领先的产品为例，诸如腾讯云企点客服，我们不难发现智能客服在智能应答，智能工单，数据上云与洞察，体系与生态联合四个方面具有显著的应用价值，并且与 3.0 相比有明显的技术优势。
据机器之心的报道，上述四大特点背后对应的技术包括但不限于知识图谱，流程自动化，文字识别，语音识别，语义识别， BI ，数据分析，是一个综合性的技术应用。以此为基础，智能客服展现出了语义识别更准确，问答方式更灵活，对话更连贯，知识更全面以及学习更主动的特性。更好地服务于更多客服场景。
2020 年腾讯全球数字生态大会筹备时，由于大会不曾设立长期的客服团队和固定的客服人员，主办方预见其有限的人工客服席位将无法支撑来自数百名参会者的咨询需求。因此，主办方需要架设一套线上客服机制，并采用智能客服机器人来负责参会者的引导与咨询工作。