网购情感客服机器人研究.docVIP

网购情感客服机器人研究 引言 随着近年来即时通信和电子商务的蓬勃发展，网上购物被越来越多 人接受并显示出巨大的市场需求，而网店的人工客服却承受着越来越大 的工作量和压力。由于人工智能、深度学习［1］、自然语言处理在近几年 取得的突破性进展，用机器人逐步取代人工客服的优势逐渐变得明显且 可行起来。目前己有一些客服机器人实例，但主要是根据对话内容的关 键字与知识库中的知识匹配实现问题的回复，极少涉及对客户情感的研 究，但服务态度对客服来说往往是关键的一项。 本文提出的情感机器人就是在这种背景下应运而生的，它具有较好 的扩充性及学习能力，能通过各种渠道如与用户的交流对话、专业知识 导入、网络知识挖掘、知识库共享等方式自主学习，实现知识框架自适 应调整，从根本上改变商家低效耗时的人工培训成本问题，实现常用问 题的自动高效回复，同时引入情感对话模型，尝试解决人机对话中的语 境问题，为客户提供一个高效、人性化的客服环境。 1、系统体系结构 系统基于AIML框架，机器人的知识库由AIML类文件构成，为了 满足中文对话的需求，在机器人的解析器中引入中文分词［2］模块，并在 由AIML框架和Lucene分词构成的基本框架上尝试了以情感词典和关 键情感统计分析为核心技术的情感对话模型。本文的系统流程图（如图 重要模块分析: 中文分词模块：可以在流程图中看到系统有三处需要用到中 文分词，分别是将知识文件分词后以词语为节点构建知识库的内存知识 树、对用户输入语句进行分词以及将预输出模板做分词处理后交给情感 统计分析模块。 AIML知识文件：AIML是扩展自XML的人工智能标记语言, 知识使用各类标签进行标记存储，重要且常用的标签包括： template/pattern/topic/that/srai/set/get/random/ starxconditi on/vthin k? AIML内存知识树：内存知识树是知识文件进行分词后以词语 作为节点进行存储的知识集合。逻辑结构为树，树的每个子节点代表一 个中文单词或一个通配符，组织时根据单词在模式中出现的位置插入到 树的节点中以最高效地利用内存空间，树的叶子节点包含一个template 属性，template是对模式的冋答。内存知识树由知识推理引擎负责构建 并在知识引擎匹配模板时作为输入。 （4） AIML推理引擎：推理引擎的工作主要有两部分，一部分是构 建内存知识树，另一部分就是将查询推理树与内存知识树的信息进行匹 配，找到相应的模板预输出。一个完整的处理流程大致包含四个步骤， 分別是初始化，问句规范化处理，问句查询推理以及模板处理［3］。 （5） 情感词典：情感词典存储词汇的情感化信息，主要由人工对 初始收集的语料进行情感信息标注并录入存储系统，形成情感词典。情 感词典中的每一词语主要包含三方面信息：情感分类信息、情感强度信 息、同义词汇信息。它是情感统计分析处理逻辑和同义词处理逻辑的数 据来源。 （6） 情感统计分析：情感统计分析是情感对话的核心模块，以情 感词典为支撑，负责对接收的词汇进行统计，将出现频率最高的情感分 类词汇作为上下文语境存储。同时它也对预输出模板做同样的统计工 作，并将情感分类信息输出给语境匹配判定逻辑。 （7） 语境匹配判定逻辑：它负责判定预输出模板中的情感是否与 上下文语境相匹配，若匹配，则直接输出。否则交给同义词处理模块进 行后续处理。 （8） 同义词处理：对于语境和预输出模板情感分类不匹配的情况, 同义词处理模块将抽取情感词典中的同义信息，将模板中与语境不符的 词汇替换为相符的同义词汇，即情感变化，并将最终的结果输出给用户。 2、AIML框架 AIML是机器人的核心。它是一个扩展自XML的人工智能标记语 言，在处理对话过程中不同于传统的语义规则构建与分析，而是简单的 匹配上下文，这种无需事先确定专业领域语义规则的模式为知识库的构 建提供了非常大的自由空间。由于客服机器人的应用领域非常广，普适 性强，知识库的构建往往需要大量非专业人士的配合，AIML符合人类 思维表达模式的特性使其在自然语言处理领域有特殊的优势，从某种程 度上看，它更接近于人类语言理解的本质。 此客服机器人知识库的整体逻辑框架分为两大类：一类为系统预先 定义的机器人常用语句对话类文件，或称为模板；第二类为由用户自行 定义或导入的专业领域类文件。 基于对网购交际语篇的语类结构研究[4],将其中得到的语类结构作 为模板构建基础： ? ? ? ?? [(G)(.S7)AJ(SL){.SWA5C,}A5A]lM K(A I) 公式一逼类給构模版 其中： G=Greeing, SI=Sale Initiation, SR=Sale Request, SC=Sale Complianee, SE=Sale Enqui