覃進學

（北京沃東天駿信息技術有限公司，四川 成都 610000）

由于社會的持續(xù)發(fā)展，傳統(tǒng)的客服系統(tǒng)運行模式已經逐漸被淘汰。隨之大數據技術得到飛躍發(fā)展，其不但能夠促進信息的高效融合，而且能夠把信息傳輸給客戶，為其提供更高效、完善、優(yōu)質的服務。對此，筆者以自然語言處理技術為著眼點，著重探討了促進智能客服定位化的具體方案，希望能夠為人工智能客服系統(tǒng)的高效運行做鋪墊。

1 基于大數據的人工智能客服系統(tǒng)的具體概述

人工智能屬于一個全新的發(fā)展趨勢，其英文簡稱是“AI”。人工智能是一個通過機器執(zhí)行認知任務的計算器，例如，對輸入的數據、動作等進行反饋，由此能夠對人類的行為習慣進行模仿。不過，對于傳統(tǒng)的計算應用程序來說，自然也能夠達到響應數據的目的。但是，傳統(tǒng)的計算機應用程序無需人工參與，它必須要依賴于手動編制對應的代碼，在這一過程中，如果發(fā)生任何失誤或漏洞，通過程序是不能給予積極反饋與應對的。不過對于全新的人工智能系統(tǒng)來說，能夠對其進行持續(xù)性的調整與修改，以便于最大化地適應調查結果的變化，并對其修改結果進行反饋[1]。

當前，人工智能客服逐漸在各個行業(yè)得到全面應用，用戶及企業(yè)對其關注度不斷提升。由此來看，企業(yè)和用戶之間的互動必須要發(fā)揮智能客服的橋梁功能，確保國家電網能夠動態(tài)、全面地掌握用戶的用電需求，由此能夠對智能客服服務制訂更嚴格的要求。不過，對于現(xiàn)今的智能客服系統(tǒng)來說，其通常是借助于自然處理技術來創(chuàng)設客服系統(tǒng)的自動問答服務模式，同時把語音、文本等作為基點給予處理，盡管這能夠減輕人工客服的運行壓力，不過，其服務質量相對有限，比不上智能化系統(tǒng)。而且，目前大部分電網企業(yè)并未制訂相對健全的知識管理制度，導致自然語言處理技術對其造成一定的束縛，這必然會對智能客服系統(tǒng)的高效、全面應用造成一定的阻礙與抑制。

2 基于大數據的人工智能客服系統(tǒng)的研究思路及架構設計

大數據和智能客戶的融合有利于高效地整合營銷業(yè)務應用系統(tǒng)的數據、業(yè)務核心流程等信息，確保對客戶信息、客戶問題進行提煉與篩選，由此能夠幫助電網部門對客戶進行精細化、個性化的分析。并且，基于大數據的人工智能客服系統(tǒng)能夠篩選出特定數據，且對其實施高效整合，由此能夠最大化地呈現(xiàn)出大數據的應用價值，以便于為其提供高質、精準的服務。由此來看，對于該服務來說，其能夠完成知識庫的自動更新與標準化應答，確保整體的服務質量不斷提升，而且能夠多元化地滿足客戶的個性化要求。對此，我們需要對其研究思路、架構設計等進行探討，以便于在實際運用中，促使數據整合的效率大大提升，確保電網行業(yè)能夠最大化地運用其價值，促使整體行業(yè)發(fā)展水平持續(xù)提升[2]。

2.1 研究思路

人工智能客服系統(tǒng)的運行原理比較復雜，一般是通過數據自動獲取、應用等層面發(fā)揮重要作用。其處理步驟一般是以傳統(tǒng)智能客服系統(tǒng)為基礎，增設一個知識數據獲取集成流程。在對大數據獲取進行分析、處理的過程中，需要對大量的業(yè)務數據進行抽取，以便于為用戶提供更加完整、精準的信息，并對其進行全面總結，由此能夠創(chuàng)設出更有深度、廣度的數據與資源，逐步提升智能客服的人性化程度，由此能夠為用戶解決各種復雜的問題。對于問答模式的設計來說，在進行結構設計的過程中，必須要通過交互環(huán)節(jié)中的有效數據的二次整合，再將其輸送至云端數據庫內。

當用戶在傳遞信息請求之前，數據自動獲取系統(tǒng)則根據用戶的網絡行為特征、篩選內容傾向、歷史交易數據等完成建模任務，并對用戶完成標簽的抽象化處理，由此創(chuàng)建用戶畫像。智能客服系統(tǒng)獲得用戶請求之后，第一步需要對用戶信息實施分析、整合，以便于客服系統(tǒng)能夠收集用戶畫像數據，利用特定算法探討用戶的主觀想法；第二步是根據知識庫內的典型案例實施綜合對比，由此能夠創(chuàng)設出最佳答案，并將其呈現(xiàn)給客戶。等到服務咨詢完成之后，系統(tǒng)隨機對用戶進行綜合評分，并完成信息反饋，以便于完成案例學習，同時將收集到的信息傳輸給案例數據庫內[3]。在整個操作步驟中，數據的自動收集、分析是一個非常重要的步驟。大數據是該系統(tǒng)實現(xiàn)效率最大化的一個必要保障，能夠為促進下一步的交互做鋪墊。通過大數據技術創(chuàng)建的人工智能客服一般包括兩個重要技術：自然語言理解技術、知識圖譜技術；并且，其創(chuàng)設的模塊有三個：問答模塊、知識庫模塊、更新管理模塊。接下來對這三個模塊展開全面探究。

2.2 架構設計

2.2.1 問答模塊

對于該模塊系統(tǒng)來說，其可以細分成三個模塊：問題信息整合、問題索引、答案推薦整合。第一步，該系統(tǒng)需要對用戶提出的請求進行語義闡釋，按照語義知識庫的處理邏輯對其實施預處理；第二步，利用分析語句的語法、句法等，提煉出其中的一些重要語義，然后來完成智能問答任務。在創(chuàng)建知識圖譜的過程中，必須要獲得大量的業(yè)務數據和資料，并對它們之間的相關性進行分析，由此能夠提煉出更精準的數據或信息，并對其進行全面歸納、總結，從中篩選出一些更有深度、廣度的數據。從實質上來看，知識圖譜代表著一類語義網絡。其結點是以實體或概念為基礎，同時還需要對實體和概念之間的語義關系進行闡釋。利用知識圖譜把用戶的典型案例進行泛化預測，并從中篩選出一些典型案例，將其當作基礎數據。由此來看，知識圖譜需要在數據精確度、數據相關性、數據結構化這三個層面彰顯出重要功能，在提高語義理解智能化水平的過程中，也能夠促使回答精準率、檢索率等逐步提升。

2.2.2 知識庫創(chuàng)設優(yōu)化模塊

一個健全的數據庫必須要在歷史案例資料、相關問題整合等數據的基礎上進行創(chuàng)建，客服系統(tǒng)必須要按照不同類型的數據來源對其進行設立，由此能夠發(fā)揮專業(yè)化的優(yōu)勢。借助于用戶畫像把知識庫和用戶個人數據相融合，由此能夠創(chuàng)建一個個性化的數據庫，這也是本客服系統(tǒng)完成技術創(chuàng)新與升級的一個重要切入點[4]。

用戶畫像又名為“用戶角色”，其屬于一種勾畫目標用戶、分析用戶需求和設計動態(tài)的一個重要手段。不管是智能客服，還是傳統(tǒng)人工客服，其目的都是希望能夠處理用戶提出的問題，以便于為其提供完整、優(yōu)質服務。對此，精準分析用戶的興趣、愛好、行為規(guī)律等，并將其輸入智能客服系統(tǒng)中，以便于使其產生與人類相仿的主觀想法，并對用戶的特性特征實施精準解答，從而更好地對用戶提出的問題進行反饋。由此來看，用戶畫像屬于一個比較理想的數據挖掘且聯(lián)合方式，不但對知識庫的相關要點進行重新定位，而且需要通過數據檢索層面進一步提升系統(tǒng)的運行效率，確保對知識庫的創(chuàng)建、革新、升級等發(fā)揮積極作用。

2.2.3 更新管理模塊

對于人工智能客服知識庫來說，其是通過海量數據獲取而創(chuàng)立的一個靜態(tài)知識庫，雖然其蘊藏著大量的數據信息，不過，對于其語料知識庫的詞典來說卻是動態(tài)變化的。通過人為手段對其數據進行更新升級自然無法最大化地滿足客服系統(tǒng)的動態(tài)變化需求。深入學習相關技術是機器學習研究的一個全新方向，其目的是為了創(chuàng)建人腦，并對其展開分析與研究，其需要通過模仿人類大腦的運作過程對數據進行闡述、分析，比如圖像、聲音、文本等。對此，深入學習代表著一個深層次的神經網絡，與傳統(tǒng)的審計網絡算法相比，其具有較強的模擬與學習能力，并將這一優(yōu)勢與人工智能客服相融合，確保智能客服系統(tǒng)能夠自動整合一些有效、精準的數據，以便于完成知識庫的數據更新任務，確保系統(tǒng)的學習能力不斷提升，由此能夠最大化地避免人工因素的干擾，并且利用對數據的自主學習，確保系統(tǒng)更健全、高效及智能[5]。

3 結束語

綜上所述，基于大數據的人工智能客服的廣泛運行中，其涉及到很多復雜的技術與原理。本文通過專業(yè)、個性化知識庫層面對其展開分析，并對知識圖譜、用戶畫像等相關技術展開逐一探討，由此能夠確保系統(tǒng)的可用性不斷增強，減輕了人員維護壓力，進而確保傳統(tǒng)客服系統(tǒng)的更新滯后、系統(tǒng)智能化不足、服務效果差等問題得到逐一緩解與改善。