一、痛点:
某企业公众号小程序有5000w条用户对话聊天记录,但对数据的价值利用不够,用户对话标签定义标准不清晰,人工根据对话打标签效率低、成本高、标准无法达到统一,无法有效的对营销端、客服端、用户端等提供帮助,无法最大化的服务于营销及服务质量监管。
二、产品解决方案
结合业务场景协助业务部门制定标准化的标签标准,基于自研的深度学习框架,通过NLP算法,对每类对话进行词性分析、相似度计算、主干提取等分析,进行模型搭建完成用户对话的商机自动提取。
三、产品功能
商机自动提取,无需人工干预。 保证针对营销端商机推送的实时性、准确性。 服务端客服、上门安装师傅的服务态度监测。
四、产品效果
减少了人工商机提取人员成本,每月直接减少成本支出30余万。 商机提取的精准性,销售转化率提升60%。 客服态度的实时监测,客户满意度提升20%。
五、标签类型
六、产品部署方式
一站式的AI产品私有化解决方案,AI产品私有化制作、部署、运维的全生命周期管理。基于标准Docker容器化封装,安全易用,为数据安全保驾护航
七、算法类型-意图识别与文本分类
对话理解是对话标签提取的核心组成部分,对话的标签提取,也可以称之为意图识别。对话内容之中可能存在多个意图,对多个意图的准确识别是提取标签的重要环节。单个对话很难判断对话的意图,因此需要结合上下文进行辅助判断。因此整体的方案是基于多轮的对话情景来完成意图分类,识别对话的多个意图。具体方案是首先利外部的记忆存储器来保存上下文的信息,然后再利用attention机制筛选有用信息,并利用门控制是否利用上下文,使得模型适应于更多的应用场景,最终完成对话的分类。
八、产品架构图
九、训练流程图