“知識庫系統(tǒng)”的一些思考

說“知識庫”之前钝尸,需要明確兩個概念括享,知識庫來自兩個不同的領(lǐng)域,一個是傳統(tǒng)的數(shù)據(jù)庫領(lǐng)域珍促,傳統(tǒng)知識庫铃辖。另一個是人工智能及其分支-知識工程領(lǐng)域,叫做智能知識庫猪叙,

一娇斩、傳統(tǒng)知識庫

我們呼叫中心的知識庫截至目前其實(shí)是屬于傳統(tǒng)知識庫,或者叫做知識庫管理系統(tǒng)穴翩。主要是用來管理我們常用的一些業(yè)務(wù)犬第、資費(fèi)、營銷活動的結(jié)構(gòu)化知識以及其它文檔芒帕、圖紙歉嗓、視頻和音頻等信息的非結(jié)構(gòu)化知識。

呼叫中心知識庫管理系統(tǒng)主要有什么功能呢背蟆,根據(jù)需求不同可能涵蓋功能會有變化:

(一)鉴分、操作員管理

每一個操作人員使用各自的操作員代碼進(jìn)入系統(tǒng),操作員的操作實(shí)行權(quán)限管理:不同的操作員的操作權(quán)限有所不同,操作員的系統(tǒng)操作權(quán)限大致可以分為三種:知識的瀏覽带膀、查詢權(quán)限志珍、添加和修改知識庫權(quán)限、提交權(quán)限本砰、修改權(quán)限碴裙、最終審核權(quán)限等钢悲。

(二)点额、知識庫管理

知識收集:包括知識編號、知識的標(biāo)題莺琳、大類还棱、小類、關(guān)鍵字惭等、發(fā)布時間珍手、瀏覽次數(shù)、發(fā)布人辞做、是否審核琳要、知識內(nèi)容的詳細(xì)描述、最后瀏覽時間秤茅、備注等

知識來源:直接錄入稚补、坐席的【我的知識】模塊的知識轉(zhuǎn)入、服務(wù)受理模塊的知識轉(zhuǎn)入

知識維護(hù):修改知識的標(biāo)題框喳、發(fā)布時間课幕、發(fā)布人厦坛、備注、歷史記錄等乍惊。同時可以刪除該需求杜秸。

知識審核:由擁有審核權(quán)限的操作員對知識進(jìn)行審核。只有當(dāng)該知識通過審核后润绎,該知識才能在知識庫生效撬碟。

(三)搜索和瀏覽

搜索和瀏覽是知識管理系統(tǒng)的關(guān)鍵所在,操作人員需要有限的時間內(nèi)找到問題的答案凡橱。在這種壓力下小作,系統(tǒng)提供快速高效找到答案的方法是非常重要的

搜索和瀏覽主要功能如下:

1、浮動搜索:針對知識標(biāo)題的即時搜索稼钩。這種搜索方法和Google的搜索很相似顾稀,只要輸入有效的關(guān)鍵字則即時浮動下拉顯示出相關(guān)的答案,在給出的答案中選擇符合客戶需求的信息坝撑。

2静秆、快速搜索:可分別根據(jù)標(biāo)題、關(guān)鍵字巡李、內(nèi)容快速匹配抚笔,便于客服人員快速找到答案。

3侨拦、自定義搜索:操作員可以根據(jù)需要殊橙,自定義結(jié)構(gòu)化的搜索方式。

4狱从、排行榜:將一段時間內(nèi)膨蛮,訪問最大的知識呈現(xiàn)給坐席,清晰明了季研,便于客服人員在其中選擇合適的答案

(四)報表統(tǒng)計

系統(tǒng)提供按照知識登記日期敞葛、知識大類、知識小類統(tǒng)計報表与涡。

可以看出來傳統(tǒng)的知識庫其實(shí)是管理系統(tǒng)的一種惹谐,也是增刪改查為核心的傳統(tǒng)IT應(yīng)用(偏向于管理結(jié)構(gòu)化數(shù)據(jù)和知識)。起碼運(yùn)營商的知識庫管理系統(tǒng)在每個省的應(yīng)用是規(guī)模較大的IT系統(tǒng)驼卖,涉及的人員多氨肌、流程多,需求調(diào)整頻繁酌畜,用戶滿意度低怎囚。

傳統(tǒng)知識庫系統(tǒng)對于坐席來說非常重要,最新的資費(fèi)檩奠、業(yè)務(wù)桩了、政策或者營銷活動都通過知識庫系統(tǒng)傳遞給坐席附帽,沒有一個坐席是可以掌握這么多結(jié)構(gòu)化知識的,所以傳統(tǒng)知識庫對于坐席來說非常重要的井誉,但是重要意義僅限于“業(yè)務(wù)知識庫”蕉扮,通過這個工具來學(xué)習(xí)、掌握和使用業(yè)務(wù)知識颗圣。

二喳钟、智能知識庫

某某講的知識庫主要是說“智能知識庫”,什么是智能知識庫(這個名字也是我用來和傳統(tǒng)呼叫中心知識庫進(jìn)行區(qū)分的)呢在岂?AI人士眼中的知識庫(Knowledge Base)是知識工程中結(jié)構(gòu)化奔则,易操作,易利用蔽午,全面有組織的知識集群易茬,是針對某一(或某些)領(lǐng)域問題求解的需要,采用某種(或若干)知識表示方式在計算 機(jī)存儲器中 存儲及老、組織抽莱、管理和使用的互相聯(lián)系的知識片集合。這些知識片包括與領(lǐng)域相關(guān)的理論知識骄恶、事實(shí)數(shù)據(jù)食铐,由專家經(jīng)驗(yàn)得到的啟發(fā)式知識,如某領(lǐng)域內(nèi)有關(guān)的定義僧鲁、定理和運(yùn)算法則以及常識性知識等虐呻。

有點(diǎn)繞。

智能知識庫與傳統(tǒng)知識庫相比寞秃,有幾個明顯特點(diǎn):

1斟叼、知識庫的知識是有層次的。最低層是“事實(shí)知識”蜕该,中間層是用來控制“事實(shí)”的知識(通常用規(guī)則犁柜、過程等表示)洲鸠;最高層次是“策略”堂淡,它以中間層知識為控制對象。知識庫的基本結(jié)構(gòu)是層次結(jié)構(gòu)扒腕,是由其知識本身的特性所確定的绢淀,知識片間通常都存在相互依賴關(guān)系。

2瘾腰、自動知識抽取皆的。自動知識抽取的最大優(yōu)勢是良好的可擴(kuò)展性,即快速構(gòu)建大規(guī)模知識庫的能力蹋盆,但這種可擴(kuò)展性常常以犧牲精度和某些知識類型上的覆蓋率為代價费薄。所以需要很多研究工作來提升抽取的精度和覆蓋率(尤其是屬性和關(guān)系提取的精度和覆蓋率)硝全,同時需要研究如何將自動抽取、手工編輯相結(jié)合而得到高性價比的知識庫楞抡。從抽取的知識類型來看伟众,目前的知識類型和知識結(jié)構(gòu)可能尚不足以有效支持自然語言理解等應(yīng)用。相比于人類的知識結(jié)構(gòu)召廷,計算機(jī)知識庫中所包含的常識和與動作相關(guān)的知識還不足凳厢。

智能知識提取的主要任務(wù)就是構(gòu)建知識圖以及生成圖結(jié)點(diǎn)間的關(guān)系,具體子任務(wù)包括:

實(shí)體名提取提取實(shí)體名并構(gòu)造實(shí)體名列表竞慢。(如88元套餐先紫,是一個個例)

語義類提取構(gòu)造語義類并建立實(shí)體(或?qū)嶓w名)和語義類的關(guān)聯(lián)。(如資費(fèi)筹煮、營銷活動遮精、是一個類)

屬性和屬性值提取為語義類構(gòu)造屬性列表,并提取類中所包含實(shí)體(或?qū)嶓w名)的屬性值败潦。(如88元資費(fèi)的資費(fèi)編碼仑鸥、描述、資費(fèi)介紹等等是屬性)

關(guān)系提取構(gòu)造結(jié)點(diǎn)間的關(guān)系函數(shù)变屁,并提取滿足關(guān)系的結(jié)點(diǎn)元組眼俊。

三、幾個概念

1粟关、知識圖譜

知識圖譜好像和智能知識提取相關(guān)疮胖,知識圖譜是圖狀具有關(guān)聯(lián)性的知識集合。知識圖譜是比較新的一個說法闷板,的確應(yīng)該是受語義網(wǎng)的啟發(fā)澎灸。把語義網(wǎng)的知識庫給形象化的表示出來了。重在抽取關(guān)系遮晚,便于展示高關(guān)聯(lián)性性昭,高結(jié)構(gòu)化的結(jié)果。

2县遣、原子化知識庫

重構(gòu)互聯(lián)網(wǎng)化的知識支撐系統(tǒng)糜颠,改變文檔式的傳統(tǒng)知識庫,將知識文檔“肢解”萧求,碎片化處理其兴,統(tǒng)一知識底層為顆粒度更小的原子化的知識點(diǎn),組合形成原子化知識庫(Atomic Knowledge Management System夸政,以下簡稱AKMS)元旬,實(shí)現(xiàn)對全渠道服務(wù)的知識集中支撐系統(tǒng)。

建設(shè)AKMS其實(shí)就是解決兩個問題,第一匀归,將知識點(diǎn)打碎坑资,形成一個一個F&Q(Frequently Asked Questions,頻繁出現(xiàn)的問題)以便于知識點(diǎn)的存儲和更智能的搜索調(diào)用穆端,這種調(diào)用是在機(jī)器人服務(wù)和在線服務(wù)中的使用模式盐茎;第二,將知識點(diǎn)重組徙赢,形成更具邏輯可以查看的文檔式結(jié)構(gòu)字柠,以便于一線同事的查閱。

關(guān)于原子化知識庫狡赐,廣東在線進(jìn)行了一些試探窑业。廣東在線任亞龍在《服務(wù)轉(zhuǎn)型,從原子化知識庫起步》進(jìn)行了闡述,該文章百度可以搜索枕屉。

四常柄、2016年總結(jié)的知識庫建設(shè)目標(biāo)

1、知識智能輔助

結(jié)合語音識別系統(tǒng)搀擂,通過識別實(shí)時通話內(nèi)容西潘,確認(rèn)服務(wù)場景,分析用戶意圖哨颂,主動喷市、智能提供知識內(nèi)容,支持人工服務(wù)與智能服務(wù)結(jié)合威恼,減少坐席手動操作步驟品姓。

2、智能自我進(jìn)化

能夠通過自我學(xué)習(xí)箫措,完成知識庫引擎的自我進(jìn)化腹备,能夠自我升級語義分析能力,提高搜索準(zhǔn)確率以及自動采編識別率

3斤蔓、自動采編

支持知識自動采編植酥,能夠?qū)⒍喾N非結(jié)構(gòu)化素材進(jìn)行結(jié)構(gòu)化轉(zhuǎn)換,并自動采編為知識弦牡,具有學(xué)習(xí)能力友驮,能夠逐步提升采編的準(zhǔn)確性,減低知識采編壓力喇伯。

4喊儡、服務(wù)智能融合

將知識和服務(wù)進(jìn)行結(jié)合拨与,為客戶提供智能化的知識服務(wù)稻据,能夠?yàn)榭蛻籼峁?shí)時的相關(guān)業(yè)務(wù)操作,提高服務(wù)效率。

五捻悯、下一步規(guī)劃

1匆赃、知識庫在傳統(tǒng)客服、文本服務(wù)機(jī)器人今缚、語音導(dǎo)航里面都將得到更好的應(yīng)用算柳,起碼語音導(dǎo)航的語義理解知識庫(小型知識庫)我們是必須統(tǒng)籌建設(shè)的。

2姓言、針對傳統(tǒng)客服的傳統(tǒng)知識庫瞬项,通過提升搜索、跟隨能力提升知識庫的利用率何荚。

3囱淋、希望統(tǒng)一做的知識庫可以考慮融合坐席的需求,建設(shè)更加強(qiáng)大的知識庫系統(tǒng)餐塘。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末妥衣,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子戒傻,更是在濱河造成了極大的恐慌税手,老刑警劉巖,帶你破解...
    沈念sama閱讀 206,126評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件需纳,死亡現(xiàn)場離奇詭異芦倒,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)不翩,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,254評論 2 382
  • 文/潘曉璐 我一進(jìn)店門熙暴,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人慌盯,你說我怎么就攤上這事周霉。” “怎么了亚皂?”我有些...
    開封第一講書人閱讀 152,445評論 0 341
  • 文/不壞的土叔 我叫張陵俱箱,是天一觀的道長。 經(jīng)常有香客問我灭必,道長狞谱,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 55,185評論 1 278
  • 正文 為了忘掉前任禁漓,我火速辦了婚禮跟衅,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘播歼。我一直安慰自己伶跷,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,178評論 5 371
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著叭莫,像睡著了一般蹈集。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上雇初,一...
    開封第一講書人閱讀 48,970評論 1 284
  • 那天拢肆,我揣著相機(jī)與錄音,去河邊找鬼靖诗。 笑死郭怪,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的刊橘。 我是一名探鬼主播移盆,決...
    沈念sama閱讀 38,276評論 3 399
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼伤为!你這毒婦竟也來了咒循?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 36,927評論 0 259
  • 序言:老撾萬榮一對情侶失蹤绞愚,失蹤者是張志新(化名)和其女友劉穎叙甸,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體位衩,經(jīng)...
    沈念sama閱讀 43,400評論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡裆蒸,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 35,883評論 2 323
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了糖驴。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片僚祷。...
    茶點(diǎn)故事閱讀 37,997評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖贮缕,靈堂內(nèi)的尸體忽然破棺而出辙谜,到底是詐尸還是另有隱情,我是刑警寧澤感昼,帶...
    沈念sama閱讀 33,646評論 4 322
  • 正文 年R本政府宣布装哆,位于F島的核電站,受9級特大地震影響定嗓,放射性物質(zhì)發(fā)生泄漏蜕琴。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,213評論 3 307
  • 文/蒙蒙 一宵溅、第九天 我趴在偏房一處隱蔽的房頂上張望凌简。 院中可真熱鬧,春花似錦恃逻、人聲如沸雏搂。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,204評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽畔派。三九已至铅碍,卻和暖如春润绵,著一層夾襖步出監(jiān)牢的瞬間线椰,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,423評論 1 260
  • 我被黑心中介騙來泰國打工尘盼, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留憨愉,地道東北人。 一個月前我還...
    沈念sama閱讀 45,423評論 2 352
  • 正文 我出身青樓卿捎,卻偏偏與公主長得像配紫,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子午阵,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,722評論 2 345

推薦閱讀更多精彩內(nèi)容