智能质检情绪分析 让座席更懂客户

摘要:语言本质上是复杂的,一个正常人也要经过数年才能掌握一门陌生的语言。对于机器人而言,我们要想使用人工智能来解析给定的陈述,首先要实现情绪分析,比如,客服人员从电话中能清晰知道客户现在的情绪状态。

智能质检情绪分析  让座席更懂客户

语言是人类特有的技能,是人类智慧的体现。在人工智能时代,自然语言处理NLP)技术为机器赋予了这样的语言功能,让机器有了自然语言识别能力,为用户体验开辟了新路径。

       语言是人们进行信息交流的首要工具,要想机器也具备同样的机制,就要理解人类语言的复杂性以及人类使用语言的行为习惯,其中情感分析、问题回答以及多任务学习是机器人逐渐成熟的重要途径。

情绪分析

       语言本质上是复杂的,一个正常人也要经过数年才能掌握一门陌生的语言。对于机器人而言,我们要想使用人工智能来解析给定的陈述,首先要实现情绪分析,比如,客服人员从电话中能清晰知道客户现在的情绪状态。如何准确判断情绪状态给到合适的服务帮助等。对于企业来说,这个价值是很大的。

    其实,研发人员早就开始入手自然语言处理中的情绪分析,随着NLP的进步,情绪分析也在不断进步。

问题回答

       NLP的发展加快了信息化的速度,SiriGoogle Assistant等应用程序的出现,解决了很多常见的自然语言处理问题,但是很多难题,机器仍然没有给到我们想要的答复。

    想要计算机到达理想效果,我们还要确保计算机对问题的理解。如果你问“我的飞机何时到达?”电脑需要知道你说的是飞机的航班还是你从外地订购的某个飞机模型,它需要通过上下文语境,去猜测我们话语中的真实意思。通过NLP,我们可以让机器学习如何通过上下文语境去分析语句,这样的话,人工智能就可以一次性处理所有的上下文,而不会漏掉重要的信息。

多任务学习

    在IT领域,企业更擅长构建单个任务的人工智能模型,但是一个更直观的、细致入微的、有语境的对话界面则需要一个不断学习的人工智能模型——将新的任务和旧的任务集成在一起,来学习执行更复杂的任务。对于别的领域来说,人工智能达到这样的标准也许是可能的,但是在语言方面,就需要很大的灵活性。

     这里我们来举一个例子:“谁是我的客户?”,这是一个足够简单的任务。但是“谁是我在西部地区的某一产品的最佳客户?”现在,我们增加了一些复杂条件,就需要一系列集成任务来回答这个问题,比如说:“最佳”如何界定?西部地区的客户具体是哪里?哪些因素会使客户对一种产品产生兴趣?这里我们在查询条件里增加了一个项目,问题的复杂性就显著增加。

    虽然目前的NLP还处于起步阶段,但是我们可以看到它巨大的发展潜力,随着人工智能的发展,我们期待一个全新的自然语言处理技术体验。

自然语言处理NLP相关:呼叫中心ASR自动语音识别有哪些作用?

                                    呼叫中心ASR 技术如何应用于自助语音系统?

                                    人工智能+情感计算——智能语音质检如何做到情绪监控?


相关标签

智能质检,情绪分析,自然语言处理NLP

返回