客服多轮对话优化

发表于 | 分类于 | 阅读次数

美团客服

问题分类

  • 纯问答 （取消指代）
  • 任务型对话
  • 安抚（根据场景递进情感等）

大概流程和难点

image-20250712212539565

talk flow 大概流程

image-20250712213044966

难点 image-20250712213204076

剖析

对话处理

对话标准话（把会话序列映射到动作序列）

image-20250712214004307

从真实用户与客服（staff）之间的原始聊天记录之中，这类对话具有强烈的语义多样性（不同的人会说不同的方式表达类似意思），但底层的意图或动作其实相对集中

通过 BERT pairwise 模型，系统对对话句子做 相似性度量 和 聚类匹配，分为：

  • Staff Actions（客服动作）
  • User Actions（用户动作）

做两两句子比较，判断这对句子是否表达的是同一个动作

image-20250712214549848

抽样出高频序列（大量高频对话的 n-gram（动作子串）挖掘，可以构造出典型子流程），整理成完整流程树

端到端

增加拟人化和多样性

image-20250712220334531

image-20250712220539961

监督信号选择 image-20250712220658099

评估

image-20250712215930415

意图识别

主要流程

image-20250712221645050

高频识别，长尾引导

意图识别流程梳理

image-20250713112838671

建立通用知识库

意图库与识别算法、方案库解耦，定义不同类型意图

image-20250713205228136

面对客户发散性提问，使用启发式问答，让用户点选

Beyond QA: ‘Heuristic QA’ Strategies in JIMI, DASFAA 2022. (CCF-B)

image-20250713213234409

高频意图视频算法

image-20250713214902289

长难句识别

  • 长句抽取变短句
  • 句子意图分类

A Two-stage User Intent Detection Model on Complicated Utterances with Multi-task Learning

image-20250713222139990

用户自己表述不清晰，很难直接映射到明确意图。是否因子缺失导致意图匹配失败

  • 传统是TopN , 让用户自己选（优化空间小）
  • 多因子模型判断当前用户的情况因子是否完备，是否应该反问

A Multi-Factor Classification Framework for Completing Users’ Fuzzy Queries, AAAI 2022. (CCF-A)

image-20250713223734283

意图回流补充，对提升非常明显

针对没有识别到文本进行聚类

  • 是否能归类到现有意图
  • 是否作为新意图

SimCTC: Simple Contrast Learning Method of Text Clustering, AAAI 2022. (CCF-A)

image-20250713225638179

识别算法改进

image-20250713232411100