張 進,徐寧駿,趙偉光,郭 浩,劉國慶

(江蘇自動化研究所,江蘇 連云港 222061)

武器系統(tǒng)是由各型武器裝備有機組合形成的整體,一般具有多層結構、所屬分系統(tǒng)和設備數(shù)量眾多、多種作戰(zhàn)剖面的特點[1-2]。因此,各分系統(tǒng)之間、分系統(tǒng)與各設備之間以及各設備之間存在復雜的關系,當系統(tǒng)出現(xiàn)某一故障時,診斷過程往往比較復雜和困難。武器系統(tǒng)裝備的使用主要在基層部隊,而基層部隊的使用人員管理水平和技術水平與各大專院校、科研院所的水平相比相去甚遠[3],因此，基層部隊的多數(shù)使用管理人員往往不具備復雜故障的排除能力,傳統(tǒng)的故障診斷方法就是依賴經驗豐富的專家或工程技術人員現(xiàn)場排查,需要大量的人力保障和高昂的維護成本,隨著信息科技的發(fā)展,為克服現(xiàn)場排查帶來的弊端,遠程專家診斷技術被普遍應用[4-6],有效地消除了時空障礙。但遠程專家診斷技術首先需要搭建一個網(wǎng)絡平臺,然后，集中多人、多機、多設備進行協(xié)同診斷,由于搭建平臺需要時間,因此，會耽誤對故障的第一時間搶救,且遠程診斷技術對操作要求較高[7-8]。根據(jù)現(xiàn)場人員反饋,武器系統(tǒng)故障的排除經常不能一次到位,需要進行多次會診。對于交通極為不便,但武器系統(tǒng)需要全天候擔負值班任務,例如島礁等地方[9],遠程診斷技術往往無法充分發(fā)揮其優(yōu)勢。

隨著人工智能和大數(shù)據(jù)技術的不斷發(fā)展,智能客服技術憑借其細粒度知識管理模式、良好智能交互過程以及多渠道接入方式,被普遍應用于各行業(yè)中的產品咨詢、售后服務以及統(tǒng)計分析等[10-12]。智能客服技術具有以下幾種優(yōu)勢:1)可融入大量的專家知識和技術人員經驗,構建領域知識庫,當故障發(fā)生時,智能客服能從領域知識庫中提取該故障的故障現(xiàn)象和故障排除方法,第一時間為用戶提供指導,平時也可用于基層部隊使用管理人員的學習和訓練,提升排故能力;2)當前端機器人提供指導但故障仍然不能排除時,可以切入人工服務,專業(yè)技術人員將通過后端服務系統(tǒng)進行在線指導,扮演了部分遠程專家診斷的角色;3)可根據(jù)用戶使用數(shù)據(jù),統(tǒng)計各設備故障率,便于更好地開展維修保障工作;4)智能客服技術不僅可以消除時空障礙,而且大大縮減了人力和物力成本。對于地處偏遠、范圍分布廣且數(shù)量多的武器系統(tǒng)而言,智能客服將會起到更為關鍵的作用。

本文利用智能客服開放平臺,基于知識圖譜構建了行業(yè)領域知識庫,根據(jù)武器系統(tǒng)常見故障設定多重任務場景,基于任務驅動智能客服多輪對話,實現(xiàn)復雜武器系統(tǒng)的故障診斷和排除。

1 智能客服關鍵技術

智能客服技術利用自然語言處理技術,可以對用戶的需求進行高精度定位,通過構建集行業(yè)專家知識和技術人員豐富經驗于一體的領域知識庫,在多輪對話技術的驅動下,實現(xiàn)對各類專業(yè)問題的處理和反饋。智能客服系統(tǒng)共有三大關鍵技術:自然語言理解技術、領域知識庫構建技術以及多輪對話技術。

1.1 自然語言理解技術

自然語言理解技術(NLU)屬于自然語言處理的范疇,具體包括分詞、詞性標注、命名實體識別、句法分析、指代消解等過程[13]。分詞是指將句子切分成詞序列,詞是承載語義的基本單元。中文自動分詞被認為是中文自然語言處理中的一個最基本的環(huán)節(jié),比如，句子“炮A出現(xiàn)故障”,切分為“炮A/出現(xiàn)/故障”;詞性標注是指識別詞的詞性,描述一個詞在上下文的作用,比如，名詞、動詞、形容詞;命名實體識別也稱為專名識別,是指識別文本中具有特定意義的實體,主要包括人名、地名、機構名、專有名詞等;句法分析是指分析詞與詞之間的結構關系,確定句法結構,比如，主謂賓關系;指代消解是指決定哪些實體被哪些語言表述所指代的任務,比如，句子“炮A出現(xiàn)故障,它的時統(tǒng)信號丟失”,句子中的它指的是炮A。

自然語言理解技術是構成智能客服FAQ(Frequently Asked Question,常問問題)能力的基礎,基于深度學習領域中的 CNN-BiLSTM 模型,通過詞嵌入(Word Embedding)或者分布式向量(Distributional Vectors)操作,將自然語言表示的單詞轉換為計算機能夠理解的向量或矩陣,然后，計算該向量與領域知識庫中標準問題所對應向量的相似度,根據(jù)相似度進行排序,基于制定的規(guī)則來確定匹配到的標準問題,并選擇該標準問題所對應的答案作為輸出答案[14-15]。本文中實現(xiàn)自然語言處理的偽代碼如下:

DefNLU-rule(input-line):

for line in module-set:

line=line.split(',')

res=Fun[module-set,input-line,parameter]

if res:

print('res is:',res)

break

else:

res="no match"

End

1.2 領域知識庫構建技術

影響智能客服問答能力的不僅僅是自然語言理解技術,領域知識庫的構建質量也是重要因素之一。知識庫由若干條知識組成。知識的定義為:一個標準問題、一個標準答案和若干個擴展問法的組合,其中，擴展問法和標準問題視為相同的意圖[16]。目前，常見的領域知識庫構建方法包括傳統(tǒng)堆積方法和基于知識圖譜的構建方法[17-19],傳統(tǒng)堆積方法是指構建一個龐大而精細的知識庫,為每條知識設計足夠的相似問法,并完成關鍵詞重要性標注;基于知識圖譜的知識庫構建方法是指利用知識圖譜技術將每條知識賦予對象、條件、屬性和參數(shù),然后進行實例化,一個知識圖譜可以擁有多個實例,每個屬性實例都擁有一個標準答案。自下而上的知識圖譜構建方法如圖1所示。

圖1 知識圖譜構建技術架構

武器系統(tǒng)中的各種故障都可以看做成一條知識,例如，第二代指揮控制臺顯示器黑屏,其中,“第二代”表示知識圖譜中的條件,用于修飾并實例化對象的定語;“指揮控制臺”就是知識圖譜中的對象;“顯示屏”表示知識圖譜中的屬性,指揮控制臺的其他屬性可以包括觸摸鍵盤、計算機主板、時統(tǒng)板等,以上為一級屬性,一級屬性還可以擁有下級屬性,例如，顯示屏的下級屬性還可以包括顯示器電源模塊、DVI數(shù)據(jù)線等;“黑屏”表示知識圖譜中的參數(shù),用于修飾并實例化屬性的定語。故障構建的知識圖譜結構圖如圖2所示。

圖2 基于知識圖譜構建領域知識庫實例

基于知識圖譜構建領域知識庫相比于傳統(tǒng)堆積方法,無論是搜索能力還是知識庫整理效率，都要高于傳統(tǒng)堆積方法[17]。

1.3 多輪對話技術

目前,多輪對話技術主要分為面向任務的多輪對話技術和面向聊天的多輪對話技術[20-23],面向任務的多輪對話技術主要以幫助用戶解決某一任務為目的,面向聊天的多輪對話技術主要為用戶提供參與游戲的方式或僅用于閑聊和娛樂。武器系統(tǒng)的故障診斷過程就是為解決某一任務來進行的,因此，本文著重討論面向任務的多輪對話技術。

基于任務驅動的多輪對話技術有兩種基本技術架構,分別是基于知識庫問答的智能客服體系以及基于槽位填充的智能客服體系[21]。基于知識庫問答的智能客服體系使用檢索或分類模型實現(xiàn)多輪對話驅動,其基本工作流程是:1)利用自然語言理解技術對用戶的輸入做處理;2)基于處理結果在知識庫中做檢索匹配,可利用BM25(Best Matching)、TF-IDF(Term Frequency—Inverse Document Frequency)或向量相似度等算法;3)從問題集合中挑出最相似的問題,并將該問題的答案反饋給用戶;4)返回步驟1)。整個過程如圖3所示。

圖3 基于知識庫問答智能客服體系架構流程

基于槽位填充的智能客服體系比基于知識庫回答的智能客服體系的構建更復雜一些,一般要經過需求分析、平臺搭建BOT、持續(xù)優(yōu)化三個階段?；诓畚惶畛涞闹悄芸头w系的關鍵在于信息的收集和決策,通常信息收集通過NER(命名實體識別)或配合調用外部的數(shù)據(jù)系統(tǒng)來實現(xiàn),信息收集的過程被稱作填槽,待收集的信息類型被稱作槽位,通過收集的相關信息,決定流程的流轉或部分依賴條件的確認,然后，根據(jù)預設給出答案或調用外部系統(tǒng)完成任務[22]。

由于武器系統(tǒng)故障診斷屬于垂直專業(yè)領域問題,因此，本文采用基于知識庫問答的智能客服體系架構,當問題超出知識庫問答范圍時,智能客服系統(tǒng)自動將其列為未知問題,并按頻率統(tǒng)計未知問題,后續(xù)可將高頻未知問題添加入知識庫,不斷補充和完善知識庫。

2 武器系統(tǒng)故障診斷流程

由于武器系統(tǒng)種類繁多,很難構建一個適用于所有武器系統(tǒng)的智能客服系統(tǒng),但不同武器系統(tǒng)可以建立適合本系統(tǒng)的獨立智能客服系統(tǒng),用于故障的診斷和排除,雖然各武器系統(tǒng)智能客服系統(tǒng)不完全相同,但故障診斷的流程都是類似的。首先,針對某一武器系統(tǒng),例如岸炮武器系統(tǒng),根據(jù)行業(yè)專家知識及現(xiàn)場技術人員經驗,統(tǒng)計岸炮武器系統(tǒng)可能出現(xiàn)的所有故障,并整理相應故障的故障現(xiàn)象和排除方法;其次,利用國內開放的智能客服平臺,基于以下過程構建智能客服系統(tǒng):1)基于知識圖譜模式構建領域知識庫,并為每個知識圖譜實例匹配標準答案;2)根據(jù)武器系統(tǒng)常見故障設定多重任務場景,為各任務場景設置故障解決流程;3)測試構建完成后的智能客服系統(tǒng),修復漏洞并不斷完善流程；最后,將測試完成后的智能客服系統(tǒng)交由現(xiàn)場人員進行故障的診斷和排除,根據(jù)一段時間的使用,可在后臺統(tǒng)計分析武器系統(tǒng)中各設備的故障率,便于后續(xù)的維修保障工作。

岸炮武器系統(tǒng)故障診斷流程,如圖4所示。

圖4 武器系統(tǒng)故障診斷流程

3 應用實例

本文利用構建完成后的武器系統(tǒng)故障診斷智能客服演示某一故障的診斷過程,同樣選取“第二代指揮控制臺顯示器黑屏”故障實例作為某一任務場景。

步驟一:在與武器系統(tǒng)故障診斷機器人的對話框中,用戶輸入“第二代指揮控制臺顯示器黑屏”,需要說明的是：智能客服技術采用的是詞義匹配模式,即并非完全要輸入“第二代指揮控制臺顯示器黑屏”才能觸發(fā)問題,例如，輸入“指揮控制臺顯示器黑屏”等同樣能觸發(fā)問題。觸發(fā)問題后,智能客服自動回饋指揮控制臺顯示器黑屏的幾種主要原因,如圖5所示。

圖5 武器系統(tǒng)故障診斷演示過程1

步驟二:按照故障原因列表選擇要排查的故障原因,一般從第一個故障原因開始排查,輸入數(shù)字1。如果開始排故前就已知第一個原因不是導致故障的因素,則可以跳過第一個原因,輸入2或3或4。為較完整地演示整個過程,此處從原因1開始,如圖6所示。

圖6 武器系統(tǒng)故障診斷演示過程2

輸入1后,智能客服自動回復第一種故障原因的故障現(xiàn)象和故障排除方法,用戶可以根據(jù)提示進行故障的排查,如圖6a)所示。排查完成以后,根據(jù)智能客服的回復提示,輸入故障是否排除,在圖6b)中,表明按照第一種故障排除方法故障并未消失,因此,智能客服自動回復第二種故障原因的故障現(xiàn)象和故障排除方法。若按照第二種故障排除方法故障仍未消失,智能客服則會依次提示按照下一種故障原因進行故障排除,如圖7a)和圖7b)所示。

圖7 武器系統(tǒng)故障診斷演示過程3

步驟三:第二代指揮控制臺顯示器黑屏故障原因一共給出了四種,如果按照以上四種方法都無法排除故障,則智能客服會提示轉入人工客服,由后場技術人員在線解答。如果在應用四種方法過程中解決了故障,智能客服則會提示:恭喜您排除此次故障,以上過程如圖8所示。

圖8 武器系統(tǒng)故障診斷演示過程4

以上就是針對“第二代指揮控制臺顯示器黑屏”故障實例,利用武器系統(tǒng)故障診斷智能客服排除故障的過程。每一次故障的排查,后臺都有數(shù)據(jù)記錄,經過用戶一段時間的使用后,便能對武器系統(tǒng)中各設備的故障發(fā)生率進行統(tǒng)計,便于對故障率較高的設備進行針對性地維護和保養(yǎng)。

4 結束語

本文首先分析了智能客服技術的三大關鍵技術,然后，通過統(tǒng)計岸炮武器系統(tǒng)各類常見故障,基于知識圖譜構建了領域知識庫,根據(jù)武器系統(tǒng)常見故障設定多重任務場景,基于任務驅動智能客服多輪對話,最終成功搭建武器系統(tǒng)故障診斷智能客服,用于岸炮武器系統(tǒng)的故障診斷和排除。實例應用表明:搭建的武器系統(tǒng)故障診斷智能客服能夠較好地指導用戶進行故障的排除,適用于武器系統(tǒng)故障診斷。

與此同時,我們也要意識到,雖然智能客服技術在不斷發(fā)展,但智能化程度還遠未達到期望的水平,對于一些復雜的問題交互,智能客服還不能很好地處理,因此，還需要更深層次地研究和提升智能客服技術。