電力行業(yè)智能客服關(guān)鍵技術(shù)設(shè)計(jì)與實(shí)現(xiàn)

廣東電網(wǎng)有限責(zé)任公司客戶(hù)服務(wù)中心 劉振華 康峰 蘇立偉 譚火超 蘇春明

傳統(tǒng)電力客服會(huì)話(huà)正確復(fù)述次數(shù)較低，問(wèn)題識(shí)別能力隨之下降，設(shè)計(jì)電力智能客服實(shí)現(xiàn)技術(shù)。提取電力會(huì)話(huà)語(yǔ)義特征，分類(lèi)識(shí)別各類(lèi)語(yǔ)義；進(jìn)行會(huì)話(huà)語(yǔ)義相似度計(jì)算，利用相似函數(shù)歸一化處理語(yǔ)義相似度；糾正智能會(huì)話(huà)相似詞匯，消除相似會(huì)話(huà)的識(shí)別誤差。實(shí)驗(yàn)采用對(duì)比實(shí)驗(yàn)的方式，驗(yàn)證了電力智能客服實(shí)現(xiàn)技術(shù)的效果更佳。

隨著互聯(lián)網(wǎng)的發(fā)展，人們的生活方式不斷受到影響，網(wǎng)絡(luò)服務(wù)也已經(jīng)成為現(xiàn)代人的主要服務(wù)模式，智能客服作為新時(shí)代下，網(wǎng)絡(luò)的智能化產(chǎn)物，逐漸深入各個(gè)領(lǐng)域，在電力方向發(fā)展是研究者的新方向[1]。傳統(tǒng)電力客服在識(shí)別問(wèn)題方面較為復(fù)雜，正確復(fù)述次數(shù)較低，而造成這一現(xiàn)象的主要原因即為，傳統(tǒng)電力客服對(duì)語(yǔ)義識(shí)別不清晰，相關(guān)語(yǔ)義分類(lèi)不明確，相似度計(jì)算效果差等因素[2-3]。本文將就此，摒棄以上缺點(diǎn)，研究電力智能客服實(shí)現(xiàn)技術(shù)，首先，提取用戶(hù)會(huì)話(huà)的語(yǔ)義特征，進(jìn)行智能化識(shí)別；其次，計(jì)算用戶(hù)會(huì)話(huà)中的語(yǔ)義相似度，保證智能客服對(duì)各個(gè)語(yǔ)義相似度進(jìn)行精準(zhǔn)地區(qū)分；最后，糾正會(huì)話(huà)中的相似度詞匯，消除相似語(yǔ)句的識(shí)別誤差(如圖1所示）。根據(jù)以上方法，本文認(rèn)為，可以滿(mǎn)足用戶(hù)需求，為提高電力用戶(hù)的服務(wù)質(zhì)量創(chuàng)造條件[4]。

圖1 傳統(tǒng)電力客服會(huì)話(huà)系統(tǒng)Fig.1 Traditional electric customer service conversation system

1 電力智能客服實(shí)現(xiàn)技術(shù)設(shè)計(jì)

1.1 提取電力會(huì)話(huà)語(yǔ)義特征

會(huì)話(huà)的語(yǔ)義特征，表示會(huì)話(huà)互動(dòng)問(wèn)答的類(lèi)型。本文設(shè)計(jì)的智能客服重點(diǎn)在于：解決用戶(hù)的電力問(wèn)題，本文對(duì)會(huì)話(huà)語(yǔ)義特征結(jié)構(gòu)進(jìn)行提取，并作出說(shuō)明。語(yǔ)義特征分類(lèi)如表1所示。

表1 會(huì)話(huà)語(yǔ)義分類(lèi)特征Tab.1 Conversational semantic classification characteristics

問(wèn)題類(lèi)由用戶(hù)產(chǎn)生，用戶(hù)進(jìn)行信息咨詢(xún)，答案類(lèi)對(duì)應(yīng)問(wèn)題類(lèi)，由智能客服問(wèn)答系統(tǒng)提供，用于回答顧客問(wèn)題，問(wèn)題類(lèi)主要分兩種，一般問(wèn)句和議價(jià)的問(wèn)句。陳述類(lèi)只是簡(jiǎn)單的觀點(diǎn)陳述，因在信息咨詢(xún)中，地位處于次要，所以不對(duì)其進(jìn)行更深層的處理。陳述類(lèi)目的多樣，無(wú)明確問(wèn)答關(guān)系，主要為情感或者觀點(diǎn)的表述。反饋類(lèi)對(duì)應(yīng)稱(chēng)述類(lèi)，由買(mǎi)賣(mài)雙方在肯定或者否定對(duì)方情感或者觀點(diǎn)產(chǎn)生，抑或者為虛擬詞，無(wú)明顯語(yǔ)義。祈使類(lèi)于買(mǎi)賣(mài)雙方請(qǐng)求或者要求對(duì)方產(chǎn)生某種動(dòng)作時(shí)產(chǎn)生，招呼類(lèi)產(chǎn)生于問(wèn)答開(kāi)始前相互致意或者問(wèn)答結(jié)束時(shí)雙方表示感謝，其他為噪聲類(lèi)，主要為軟件自動(dòng)答復(fù)類(lèi)問(wèn)題，或者嚴(yán)重偏離主題的對(duì)話(huà)內(nèi)容。

由表1可知，本文設(shè)計(jì)的會(huì)話(huà)語(yǔ)義分類(lèi)中，需要智能客服認(rèn)可相關(guān)語(yǔ)義，進(jìn)而識(shí)別、理解整個(gè)電力通話(huà)過(guò)程中的問(wèn)題。本文設(shè)計(jì)的方法中，用戶(hù)發(fā)送的問(wèn)題，均會(huì)有一個(gè)相對(duì)應(yīng)的答案，這個(gè)答案是通過(guò)智能客服對(duì)上下文的聯(lián)系，得出相關(guān)答案。通過(guò)分類(lèi)不同類(lèi)型的會(huì)話(huà)語(yǔ)義特征，可以提高智能客服識(shí)別電力問(wèn)題的能力，進(jìn)而提高智能客服的識(shí)別能力[5]。

1.2 進(jìn)行會(huì)話(huà)語(yǔ)義相似度計(jì)算

通過(guò)對(duì)會(huì)話(huà)語(yǔ)義的特征提取，基本可以提取出相似語(yǔ)義，進(jìn)而計(jì)算會(huì)話(huà)中的語(yǔ)義相似度[6-7]。智能客服對(duì)語(yǔ)義有著不同的理解，需要對(duì)其下達(dá)一個(gè)短語(yǔ)指令，使其可以在不依賴(lài)其他詞的情況下，了解用戶(hù)提出的會(huì)話(huà)含義。因此在本文設(shè)計(jì)中，設(shè)計(jì)了智能客服訓(xùn)練部分，訓(xùn)練智能客服的詞向量，如表2所示：

表2 智能客服訓(xùn)練的詞向量Tab.2 Word vector of smart customer service training

如表2所示，根據(jù)此電力詞向量的訓(xùn)練，基本可以得出電力語(yǔ)義相似度的詞量，計(jì)算公式如下：

式（1）中，sigmoid（x）為語(yǔ)義相似度系數(shù)；e-x為相似詞向量?；诖说贸龅暮瘮?shù)關(guān)系如圖2所示。

圖2 電力詞匯Sigmoid函數(shù)圖像Fig.2 Image of Sigmoid function of power vocabulary

由圖2可知，電力詞匯Sigmoid函數(shù)圖像可歸一化到處理語(yǔ)義相似度，在[0.1-0.3]范圍內(nèi)，相似的語(yǔ)義判別效果較好。在[0.4-0.6]范圍內(nèi)，語(yǔ)義相似度的判定能力較弱。

1.3 糾正智能會(huì)話(huà)相似詞匯

基于語(yǔ)義相似度計(jì)算，本文將糾正相似度詞匯分為兩部分。（1）相似電力文本預(yù)處理層，包括電力詞匯的校正。集中的句子一般會(huì)成對(duì)出現(xiàn)，語(yǔ)義相近的詞匯分別用Sentence L和Sentence S表示。為了減少相似詞匯對(duì)智能客服的影響，本文通過(guò)分類(lèi)校正方式，校正電力詞匯結(jié)果。在糾正的電力詞向量表中，每個(gè)詞對(duì)應(yīng)一個(gè)64維的電力詞向量，通過(guò)電力詞向量表，找到與其相對(duì)應(yīng)的糾正答案[8]。（2）將電力詞向量輸入到智能客服的系統(tǒng)中，根據(jù)電力詞匯的語(yǔ)義差異，將兩個(gè)電力詞匯合并，進(jìn)而糾正相似度詞匯，進(jìn)一步提高電力智能客服的識(shí)別能力[9]。

2 實(shí)驗(yàn)

本次實(shí)驗(yàn)的數(shù)據(jù)集采用某電力公司提供的智能客服數(shù)據(jù)集，此數(shù)據(jù)集中共有5082對(duì)英文句子，分為相似語(yǔ)義與不相似語(yǔ)義兩類(lèi)，即為正負(fù)樣本，正樣本3902對(duì)，負(fù)樣本1900對(duì)。此數(shù)據(jù)集是根據(jù)網(wǎng)絡(luò)收集，包括電力熱點(diǎn)話(huà)題，驗(yàn)證本文設(shè)計(jì)的智能客服正確復(fù)述效果。

2.1 實(shí)驗(yàn)過(guò)程

本文對(duì)電力智能客服的會(huì)話(huà)進(jìn)行采樣，采樣得出樣本30492對(duì)，其中正負(fù)樣本數(shù)保持不變，按照6∶1的方式劃分采樣樣本，分別提取出5082對(duì)英文句子，將這類(lèi)句子列為測(cè)試集，并打亂順序，剩余部分組成訓(xùn)練集，得出樣本數(shù)據(jù)集的劃分如表3所示。

表3 數(shù)據(jù)集劃分表Tab.3 Data set partition table

如表3所示，將數(shù)據(jù)集劃分為訓(xùn)練集與測(cè)試集，測(cè)試集即為本文的被測(cè)樣本，訓(xùn)練集為訓(xùn)練樣本。據(jù)此設(shè)置的實(shí)驗(yàn)參數(shù)如表4所示。

如表4所示，為本次實(shí)驗(yàn)的基本參數(shù)，實(shí)驗(yàn)指標(biāo)包括實(shí)驗(yàn)環(huán)境、批次、實(shí)驗(yàn)輪次、詞向量維度、激活函數(shù)、損失函數(shù)、優(yōu)化器。根據(jù)此指標(biāo)，設(shè)置相應(yīng)函數(shù)，帶入到實(shí)驗(yàn)中，得出結(jié)果如下[10]。

表4 實(shí)驗(yàn)基本參數(shù)Tab.4 Basic parameters of the experiment

2.2 實(shí)驗(yàn)結(jié)果

將5082個(gè)測(cè)試樣本通過(guò)測(cè)試集，最終定位64位詞向量，分為6輪次得到傳統(tǒng)技術(shù)與本文設(shè)計(jì)技術(shù)的復(fù)述次數(shù)，結(jié)果如表5所示。

表5 兩種技術(shù)復(fù)述次數(shù)結(jié)果Tab.5 Results of the number of repetitions of the two technologies

如表5所示，經(jīng)過(guò)6輪次的實(shí)驗(yàn)，在兩種智能客服的總復(fù)述次數(shù)相同的條件下，傳統(tǒng)客服正確復(fù)述次數(shù)與總復(fù)述次數(shù)相差200-2000條，復(fù)述效果差，識(shí)別能力相應(yīng)下降；而本文設(shè)計(jì)的智能客服正確復(fù)述次數(shù)與總復(fù)述次數(shù)相差僅在0-10條左右，復(fù)述效果更佳，識(shí)別能力較強(qiáng)，符合本文研究目的。

3 結(jié)語(yǔ)

近年來(lái)，網(wǎng)絡(luò)的興起，不僅帶給人們新的音視頻觀感，并且?guī)?dòng)智能化的發(fā)展，使智能化逐漸滲透進(jìn)各個(gè)領(lǐng)域。由于傳統(tǒng)客服識(shí)別效果不佳，導(dǎo)致客服行業(yè)與人們的矛盾增加。因此本文設(shè)計(jì)了電力智能客服實(shí)現(xiàn)技術(shù)，提取電力會(huì)話(huà)語(yǔ)義特征，對(duì)會(huì)話(huà)語(yǔ)義進(jìn)行相似度計(jì)算，糾正了智能會(huì)話(huà)相似詞匯，提高智能客服識(shí)別電力問(wèn)題的能力。采用某電力公司提供的智能客服數(shù)據(jù)集進(jìn)行對(duì)比分析，驗(yàn)證了本文設(shè)計(jì)的智能客服正確復(fù)述效果，為電力智能化發(fā)展創(chuàng)造價(jià)值。