趙東明，石 理，田 雷，吳 娜

(中國移動通信集團天津有限公司 人工智能實驗室 天津300020)

1 建設(shè)背景

1.1 通信運營商提升客戶服務(wù)的需要

隨著中國移動業(yè)務(wù)復(fù)雜度的不斷提升，在應(yīng)對營業(yè)廳、渠道等一線人員的服務(wù)請求時，會遇見各種各樣的系統(tǒng)問題，如故障、異常、投訴或疑難解釋，傳統(tǒng)的熱線服務(wù)模式存在服務(wù)效率瓶頸，面對口語化且多樣性極強的問題，難以面面俱到，急需引入“自服務(wù)，預(yù)服務(wù)，精準服務(wù)”的新理念，以知識圖譜技術(shù)驅(qū)動智能應(yīng)答、投訴工單等服務(wù)系統(tǒng)進行快速響應(yīng)，優(yōu)化營業(yè)感知，提升內(nèi)部滿意度。

1.2 解決倒三角服務(wù)支撐實際困難的需要

傳統(tǒng)的業(yè)務(wù)(運維)知識庫往往聚焦知識內(nèi)容的整理，而對知識之間的邏輯關(guān)注較少，由于無法清晰表達知識之間的關(guān)系，傳統(tǒng)的關(guān)鍵詞、相關(guān)性分析等檢索方式效率低，知識點獨立且分散，機器人應(yīng)答不智能。在運維服務(wù)工作中，需要將海量的中國移動業(yè)務(wù)支撐網(wǎng)運營管理系統(tǒng)(BOMC)工單、在線客服記錄、業(yè)務(wù)需求文本進行語義、邏輯識別，抽取出實體(業(yè)務(wù)、故障、異常、需求等)之間的關(guān)系，在智能服務(wù)領(lǐng)域?qū)崿F(xiàn)語義搜索、智能問答、可視化業(yè)務(wù)知識搜索，提升運維質(zhì)量。

2 知識圖譜框架

2.1 知識圖譜總體架構(gòu)

知識圖譜系統(tǒng)的構(gòu)建目標，是旨在描述各種與運維相關(guān)的實體和概念之間的關(guān)聯(lián)關(guān)系(圖 1)。知識圖譜最常用的語義關(guān)系為“實體-關(guān)系-實體”與“實體-屬性-屬性值”[1]。中國移動的客戶服務(wù)領(lǐng)域存在各種復(fù)雜異常、故障、事件，知識圖譜是描述其內(nèi)在聯(lián)系的最佳載體。知識圖譜是將知識實體之間的關(guān)系和邏輯進行圖形化展示的語義網(wǎng)絡(luò)，作為服務(wù)中臺核心組件，為客戶服務(wù)域的知識庫輸出邏輯搜索能力，為智能機器人輸出智慧應(yīng)答能力，為工單處理輸出自動回復(fù)能力。為客戶關(guān)系管理/業(yè)務(wù)運營支撐系統(tǒng)(CRM/BOSS)等營業(yè)前端提供業(yè)務(wù)/服務(wù)/數(shù)據(jù)/事件之間復(fù)雜關(guān)系的結(jié)構(gòu)化輸出，串聯(lián)運營與運維，為中國移動業(yè)務(wù)、服務(wù)、營銷、運維等全量場景提供圖譜化的實體邏輯支撐，驅(qū)動業(yè)務(wù)服務(wù)一體化，服務(wù)支撐智能化，海量數(shù)據(jù)處理自動化[2]。

圖1 知識圖譜系統(tǒng)架構(gòu)Fig.1 Knowledge graph system architecture

2.2 知識圖譜能力輸出

知識圖譜是以 AI中臺為形態(tài)的能力集，對接數(shù)據(jù)源進行基礎(chǔ)數(shù)據(jù)獲取并訓(xùn)練，對接智能應(yīng)答機器人和智能知識庫進行能力輸出，對接前端業(yè)務(wù)系統(tǒng)進行界面靈活嵌套，實現(xiàn)高度收斂又靈活調(diào)用的 IT架構(gòu)。核心引擎(AI中臺形態(tài))具有強大的語義分析、意圖識別、上下文推理、槽位提取、多媒體智能交互的能力。針對不同場景進行了專項模型構(gòu)建，如任務(wù)型多輪對話、問答解釋、日常聊天等，為內(nèi)部用戶提供精準又便捷的智能服務(wù)，其中納入多種 AI技術(shù)形成混合模型，來驅(qū)動機器人精準理解用戶問題。通過相關(guān)性分析引擎、多輪對話引擎、圖譜引擎等模型的混合運用，實現(xiàn)不同場景下服務(wù)訴求的全覆蓋，通過知識圖譜實現(xiàn)基于歷史記錄的預(yù)測服務(wù)，通過單輪對話QA問答引擎實現(xiàn)常見問題模糊建設(shè)，通過多輪對話引擎(槽位填充)實現(xiàn)服務(wù)任務(wù)自服務(wù)，通過運維知識圖譜實現(xiàn)海量投訴工單的語義提取和信息匯總，從而支撐復(fù)雜疑難問題的回復(fù)，輔以歷史投訴工單和新需求上線的相關(guān)輔助推薦，確保問題能得到合理反饋，機器人服務(wù)感知良好。

3 知識圖譜構(gòu)建

針對中國移動內(nèi)部運維場景，提出運維知識圖譜系統(tǒng)的構(gòu)建方法，遵循自底向上的構(gòu)建邏輯，通過從業(yè)務(wù)數(shù)據(jù)域、基礎(chǔ)數(shù)據(jù)域、應(yīng)用渠道域等獲取海量非結(jié)構(gòu)化數(shù)據(jù)，進行數(shù)據(jù)清洗和語義分析，并輔以原子化知識庫中的固有內(nèi)容，以無監(jiān)督/有監(jiān)督兩種模式自動構(gòu)建面向移動業(yè)務(wù)服務(wù)的知識圖譜；針對運營商復(fù)雜的投訴和異常場景提出針對性解決方案，包括聚類向分類轉(zhuǎn)變解決源數(shù)據(jù)的信息不足問題、構(gòu)建知識圖譜的關(guān)系權(quán)重體系，實現(xiàn)精細化展示推薦、通過混合匹配模型提高長尾問題的分類精度等，實現(xiàn)了業(yè)界首創(chuàng)的專業(yè)知識圖譜系統(tǒng)，對業(yè)務(wù)和服務(wù)前端渠道提供知識檢索及知識推薦，使知識庫、智能應(yīng)答、工單處理等領(lǐng)域提升效能。

構(gòu)建知識圖譜的主要步驟分為：模式設(shè)計、數(shù)據(jù)清洗、實體識別、關(guān)系識別以及知識融合。知識圖譜的構(gòu)建過程是一個整體，模式設(shè)計決定了知識圖譜抽取文本中語義的關(guān)鍵節(jié)點，將文本信息轉(zhuǎn)化為知識圖譜模式中的實體節(jié)點，是知識圖譜自動構(gòu)建的基礎(chǔ)框架；數(shù)據(jù)清洗是確保海量文本中過濾異常短語，確保文本在 AI中順利完成構(gòu)建的準備過程；知識圖譜的組織方式是“實體-關(guān)系-實體”，在運維圖譜中，實體代表對故障的描述、故障原因和解決方案，通過海量工單文本中提取實體信息，自動進行聚類，可以生成圖譜中全量實體節(jié)點，進而在下一次客戶服務(wù)時進行圖譜檢索自動推送答案；關(guān)系識別，是將實體之間的潛在關(guān)系進行挖掘的過程，必須先提取到實體再提取關(guān)系，確保不同類型實體在進行知識答案生成時上下文邏輯正確(圖 2)。知識融合，是確保同一類問題不同表述情況下的層次聚類過程，避免相同答案被作為不同實體進行推送，提升感知。

圖2 運維知識圖譜構(gòu)建過程Fig.2 Construction process of operation and maintenance knowledge graph

4 知識圖譜在智能應(yīng)答場景的應(yīng)用

4.1 語義搜索及可視化

知識圖譜是語義搜索的大腦，傳統(tǒng)搜索引擎基于用戶輸入的關(guān)鍵詞，檢索后臺數(shù)據(jù)庫中的知識，將包含搜索關(guān)鍵詞的知識鏈接反饋給用戶。語義搜索則首先將用戶輸入的關(guān)鍵詞映射至知識圖譜中的一個實體或概念，然后根據(jù)知識圖譜中的概念層次結(jié)構(gòu)進行解析和推理，向用戶反饋豐富的相關(guān)知識，精準且高效。

4.2 智能機器人問答

知識圖譜賦予機器人語言理解能力，通過對用戶問題進行分詞、長句理解、語義解析，提取關(guān)鍵語義并與知識圖譜模板匹配，獲取到圖譜實體或?qū)傩詢?nèi)容，在圖數(shù)據(jù)庫查詢并完成消息整合后，以機器人形式與用戶進行服務(wù)應(yīng)答，通過知識圖譜豐富的邏輯關(guān)系能力提升機器人智能感知。

4.3 投訴工單自處理

知識圖譜賦予投訴工單智能處理能力，通過對工單內(nèi)容進行實體提取和語義理解，獲取到圖譜實體或?qū)傩詢?nèi)容，將多個解決方案合并后形成處理意見，自動推送到工單處理人待辦，提供工單回復(fù)建議模板，實現(xiàn)投訴工單的自動分析、自動處理、自動回復(fù)。

4.4 個性化推薦

知識圖譜提供基于語義網(wǎng)絡(luò)的智能推薦能力，根據(jù)客戶在知識圖譜中的查詢歷史記錄，以及行業(yè)知識圖譜的豐富知識，快速挖掘客戶潛在服務(wù)訴求，實現(xiàn)精準服務(wù)內(nèi)容推薦。例如，基于故障間的關(guān)聯(lián)信息構(gòu)建知識語義網(wǎng)絡(luò)，當(dāng)用戶輸入故障現(xiàn)象并尋求解決方案時，基于知識圖譜向用戶做類似問題處理結(jié)果、咨詢建議、業(yè)務(wù)管理規(guī)定等相關(guān)個性化內(nèi)容的推薦。例如向用戶推薦“你還可能感興趣的有” “猜您喜歡”或者是“其他人還在搜”等內(nèi)容。

5 結(jié) 語

通過開發(fā)一套面向中國移動客戶服務(wù)的知識圖譜智能應(yīng)答系統(tǒng)，持續(xù)增強針對業(yè)務(wù)一線的服務(wù)能力，提升運維服務(wù)效率，為此需要打造一體化的知識圖譜運營管理體系，以自然語言理解、認知概念網(wǎng)絡(luò)等技術(shù)為核心，融合人臉識別、語音轉(zhuǎn)寫、知識圖譜、推薦算法等技術(shù)，重點提升多媒體交互和智慧運營能力，以熱線服務(wù)、在線服務(wù)、工單協(xié)同、人臉/語音識別、智能知識庫等方式，受理領(lǐng)域內(nèi)部用戶的故障處理、異常查詢、業(yè)務(wù)咨詢、投訴申告等訴求，提升內(nèi)部用戶的服務(wù)感知。