bot系統在電商領域的技術實踐
在全球人工智能領域不斷發展的今天，包括Google、Facebook、Microsoft、Amazon、Apple等互聯網公司相繼推出了自己的智能私人助理和機器人平臺。智能人機交互通過擬人化的交互體驗逐步在智能客服、任務助理、智能家居、智能硬件、互動聊天等領域發揮巨大的作用和價值。因此，各大公司都將智能聊天機器人作為未來入口級別的應用對待。今天隨著市場的進一步發展，聊天機器人按照產品和服務的類型主要可分為：客服、娛樂、助理、教育、服務等類型。
圖1截取了部分聊天機器人。
圖1 Chatbot匯總阿里小蜜在電商領域的狀況
2015年7月，阿里推出了自己的智能私人助理——阿里小蜜，一個圍繞著電子商務領域中的服務、導購以及任務助理為核心的智能人機交互產品。通過電子商務領域與智能人機交互領域的結合，帶來傳統服務行業模式的變化與體驗的提升。在去年的雙十一期間，阿里小蜜整體智能服務量達到643萬，其中智能解決率達到95%，智能服務在整個服務量（總服務量=智能服務量+在線人工服務量+電話服務量）占比也達到95%，成為了雙十一期間服務的絕對主力。
電商領域下阿里小蜜的技術實踐
技術overview
智能人機交互系統，俗稱：Chatbot系統或者bot系統，圖2是人機交互的流程圖。
圖2 人機交互的流程
核心是NLU（自然語言理解），通過對話系統處理，最后通過自然語言生成的方式給出答案。一段語言如何理解對于計算機來說是非常有難度的，例如：“蘋果”這個詞就具備至少兩個含義，一個是水果屬性的“蘋果”，還有一個是知名互聯網公司屬性的“蘋果”。
意圖與匹配分層的技術架構體系
在阿里小蜜這樣的電子商務領域場景中，對接的有客服、助理、聊天幾大類機器人。這些機器人，由于本身的目標不同，就導致不能用同一套技術框架來解決。因此，先采用分領域分層分場景的方式進行架構抽象，然后再根據不同的分層和分場景采用不同的機器學習方法進行技術設計。首先我們將對話系統從分成兩層：
意圖識別層：識別語言的真實意圖，將意圖進行分類并進行意圖屬性抽取。意圖決定了后續的領域識別流程，因此意圖層是一個結合上下文數據模型與領域數據模型不斷對意圖進行明確和推理的過程；
問答匹配層：對問題進行匹配識別及生成答案的過程。在阿里小蜜的對話體系中我們按照業務場景進行了三種典型問題類型的劃分，并且依據三種類型，采用不同的匹配流程和方法：
問答型：例如“密碼忘記怎么辦？”→ 采用基于知識圖譜構建+檢索模型匹配方式；
任務型：例如“我想訂一張明天從杭州到北京的機票”→ 意圖決策+slots filling的匹配以及基于深度強化學習的方式；
語聊型：例如“我心情不好”→ 檢索模型與Deep Learning相結合的方式。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
