Sep, 2024

面向目标的客户服务聊天机器人机器学习模型的实验评估与管道架构

HTML
PDF
TL;DR本研究解决了客户服务聊天机器人中机器学习模型评估的不足，提出了一种针对自然语言理解、对话管理和自然语言生成的个性化评估方法。实验结果表明，BERT在意图检测中表现出色，DDQN在对话管理中优于DQN，而GPT-2在自然语言生成中超越DialoGPT，这为未来客户服务聊天机器人的开发和优化提供了基准和宝贵的参考。
发现论文，激发创造
  • 我能帮助您吗？”：使用细粒度的对话行为模型Twitter客服对话

    本研究提出了一种针对Twitter客服对话数据的的细粒度对话行为分类方法，并使用序列SVM-HMM模型在实时中预测不同行为类型，最终以数据驱动的方法预测客服对话数据的重要结果，包括客户满意度、客户沮丧和解决问题的整体情况。研究结果显示，对话中某些行为类型和位置会对产生的结果产生显著影响，为人工客服平台提供了可用的指导规则。

    Sep, 2017

  • 自动化客户支持

    本论文比较了三种模型在自动客服中的应用：检索模型，基于序列到序列模型的注意力模型和Transformer模型。其中，实验表明序列到序列模型在语义和词重复方面优于其他两种模型。

    Sep, 2018

  • 为构建对话代理评估自然语言理解服务

    比较了不同的NLU工具在多个领域中的性能，结果表明在意图分类方面Watson表现最佳，而在实体类型识别方面表现不佳。

    Mar, 2019

  • 基于深度学习的聊天机器人人类级理解融合

    本研究采用深度学习方法对社交聊天机器人进行情感分析、情感检测、意图分类和命名实体识别，以提高机器人理解和服务质量。

    Dec, 2021

  • 基于人工智能的聊天机器人：客服辅助方法

    本论文研究了聊天机器人系统的概念，使用各种聊天机器人技术开发了与 AK traders Ltd 公司相适应的聊天机器人系统，通过自然语言处理、机器学习和向量空间模型等技术达到高质量的用户体验。

    Jun, 2022

  • 客服对话的统一知识提示预训练

    本篇论文提出了一种创新的统一知识提示预训练框架UFA（Unified Model For All Tasks），系统地解决了客户服务对话任务中的各种需求，通过混合不同的对话任务进行学习，显著提高了自然语言理解和生成的基准。

    Aug, 2022

  • 对话推荐系统中意图识别

    本文研究了对话推荐系统中的最近工作，并介绍了一种将上下文化的输入与学习模型联系起来以支持意图识别的方法，使用transformer基础模型在数据集MSDialogue上进行了性能评估。

    Dec, 2022

  • 从客服聊天记录中提取N对N问答对

    本文介绍了一种基于生成/判别标记方法的N至N QA提取任务，可以提高客户服务聊天机器人的知识库，并首次设定了Utterance和Session级别的评估指标。我们发现QA对内部和之间的关系可以用于分析对话结构，提出的模型适应不同的领域和语言，并可以减少真实世界产品对话平台中的劳动力成本。

    Dec, 2022

  • 将最先进技术带给客户：面向客户服务支持的神经代理辅助框架

    本文介绍了一种结合了学术和工业界专业知识的神经代理助手（NAA）框架，具有意图识别、上下文检索和响应生成三个高级组件，旨在帮助改善客户服务支持。通过三个案例研究，证明了应用这一框架是解决独特挑战的有效途径，同时建议推动协同创新，促进工业界交谈式AI任务的NLP模型的发展。

    Feb, 2023

  • 关于开放领域对话评估的LLMs基准测试

    大型语言模型已在自然语言处理各个任务中显示出卓越的能力。然而，在自动开放领域对话评估方面，现有的评估基准往往依赖于过时的数据集，评估流畅度和相关性等方面，无法充分捕捉现代聊天机器人模型的能力和限制。本论文对当前的评估基准进行了批判性研究，强调使用旧的响应生成器和质量方面未能准确反映现代聊天机器人的能力。对近期LLM生成的数据集(SODA)进行的小型注释实验揭示了GPT-4等LLM评估者在检测当前LLM聊天机器人生成的对话中的实际问题方面存在困难。

    Jul, 2024