百度大脑UNIT3.0智能对话技术全面解析

智能客服、智能家居、智能助手、智能车机、智能政务……赋予产品智能对话能力是提高产品智能化体验、高效服务的重要手段,已经开始被愈来愈多的企业关注并布局。然而,智能对话系统搭建涉及NLP、知识图谱、语音等一系列技术以及业务知识数据,具备较高的门槛。html

百度与IDC联合调研报告显示,“企业知识库累积不够”“项目投入成本太高””专业人才缺乏”等,位列企业在推动对话系统中的首要障碍。百度大脑智能对话系统定制平台UNIT3.0,发布从搭建技能、构建知识、整合语音与知识的全链路对话系统搭建技术能力,大幅下降了对话系统的定制成本。算法

对话式文档问答,上传文档一键获取对话能力数据库

针对处理常见业务问题咨询的问答技能,UNIT3.0推出了文档问答能力,开发者无需梳理意图、词槽,无需进行问题和答案的整理,只需准备文本格式的业务文档,经过平台上传,便可一键获取基于文档的对话技能。编程

【对话式文档问答技术】网络

对话式文档问答技能,能够对传统须要人工抽取FAQ或意图的业务文档进行自动学习,经过搜索与语义理解技术,构建了用户输入的问题与业务文档之间的桥梁,使得用户的问题能够由技能自动找到文档中的对应答案片断,使用端到端的多文档阅读理解模型V-NET和天然语言生成技术,技能得以返回更为精准的答案。整个问答技能的构建对开发者来讲没有任何技术门槛,且对话式文档问答技能具备自主学习能力,可持续优化,大大提升问答系统的开发人效。架构

 

image.png

 

 

【如何体验对话式文档问答】框架

开发者登陆UNIT平台,进入“创新技术”区,点击“对话式文档问答“便可申请体验。工具

 

image.png

 

 

语音语义一体化方案,更强理解与容错、低集成成本、短响应时延布局

在电话客服场景里,时常会出现用户沉默、打断和噪声混入等状况,机器人在应对这些异常状况的时候,须要语音和语义理解技术进行处理,才能实现用户和机器人的流畅交谈。为此,UNIT带来了全新的语音语义一体化解决方案,帮助企业解决语音交互过程当中的难题。整个方案包含如下内容:post

(1)下降集成开发成本

提供语音识别、语义理解、对话流程控制、知识库、语音合成的打通方案,全双工对话能力,一体化的部署方案,省去开发者对各环节自行调用、拼装的学习成本以及二次开发成本。

(2)标准协议快速接入

提供基于unimrcp框架开发的mrcpserver服务接入包,经过标准协议适配不一样呼叫中心设备(主流的freeswitch、avaya、及基于mrcp标准协议自主研发的呼叫中心设备)。

(3)场景定制服务提高效果

方案中自带基于百度大脑呼叫中心下的通用ASR、语义纠错,打断策略,TTS模型,也能够基于开发者的业务场景,提供模型定制训练服务,定向提高业务准确率。

(4)极少许开发,轻松实现对话流程

提供Taskflow配置管理能力,开发者可在梳理业务流程后,经过少许代码快速配置对应的对话流程,后续可直接零代码在UNIT平台上进行拖拽式配置。

 

image.png

 

 

【如何获取语音语义一体化能力】

开发者能够进入UNIT官网——解决方案——语音语义一体化方案页面,了解技术详情并体验真实对话样例。https://ai.baidu.com/unit/v2/static/voice

 

image.png

 

 

体验真实对话样例

 

image.png

 

 

数据生产工具DataKit,大幅提高样本生产和标注效率

在智能对话项目搭建的过程当中,高效筛选、处理对话日志并将其转化为新的训练数据,是对话系统效果持续提高的重要环节,也是当前开发者面临的难题之一。为此UNIT推出学习反馈闭环机制,提供数据获取、辅助标注工具DataKit,帮助企业提高数据处理效率。

DataKit是面向开发者提供的数据生产工具集,利用交互式学习、规则样本生成和多模型一致性检验等技术方法自动获取大量数据,并从中筛选出带标注、半标注和无标注3类样本,这些样本通过高效的预处理后造成新的训练数据,可进一步提高语义解析效果,有效提高对话系统的优化人效。

DataKit背后的技术】

1. 交互式学习技术

交互学习是以用户交互行为数据为基础,积累交互样本,解决系统效果瓶颈的迭代优化辅助方案。交互学习主要包含话术干预技术和异常样本发现技术。

2. 规则样本生成技术

在UNIT平台上开发者能够方便地配置模板获得语义解析结果,实现语义解析的快速冷启动。在模板配置达到比较好的语义解析效果时,利用规则样本生成技术,产生带标注的样本集合进行深度训练,更进一步提高语义解析效果,有效下降人力投入。

3. 多模型一致性检验技术

多模型一致性检验是日志挖掘的一种有效方法,检验UNIT上多个解析模型的结果,假设多个模型的解析结果越一致,其解析正确率越高。其中,具备高正确率的样本能够直接做为训练正例,解析为负例的样本能够直接做为负例,当前没有解析结果的样本能够进一步进行人工校验,不断优化解析效果。

【如何使用DataKit】

周期性的在UNIT平台下载生产环境的日志,利用Python脚本挖掘日志,对挖掘出来对话样本文件进行处理。对于正例样本,能够直接导入对话技能的样本集里做为训练数据;负例样本,可简单审阅后在对话技能的训练数据中建立一个单独的负例样本集,导入该文件,做为负例训练数据,在下次训练时选择使用;而对于无结果样本,应该识别却没有识别的,筛选出来导入样本集进行人工标注。那些不该该识别的样本,则导入负例样本集。

知识图谱与对话,助力梳理复杂图谱知识

愈来愈多的企业想要在电商客服、法律顾问等领域作一套包含行业知识的智能对话系统,而行业或领域知识的积累、构建、抽取等工做对于企业来讲是个不小的难题,百度大脑UNIT3.0推出「个人知识」版块专门为开发者提供知识建设帮助。在行业智能化的实现进程中,经过知识图谱对数据进行提炼、萃取、关联、整合,造成行业知识或领域知识,让机器造成对于行业工做的认知能力,并把这些认知能力与技能理解模型进行整合,从而实现这个行业的知识型对话系统。

人机对话流程中涉及的语言理解、对话决策、信息查询、语言组织等重要环节,都须要语言知识、世界知识以及必要的领域知识的指导。其中,知识图谱(Knowledge Graph,KG)是应用最为普遍的知识表示形式之一。知识图谱以图谱的形式描述真实世界的实体及其内在关系,用模式定义可能的类和实体关系,容许任意实体彼此潜在相互关联,并涵盖各类主题领域。

在UNIT平台中,知识图谱的具体应用可划分为三种模式:

1) 第一种模式对应问答型对话系统,该类对话系统将知识图谱视为答案信息来源,经过对话理解将用户问题转化为对知识图谱的查询,直接获得用户问题的答案。

2) 第二种模式将知识图谱视为用于对话理解的知识源,借助知识图谱中元素的属性及关系,为用户话语和对话上下文的语义理解提供辅助。

3) 第三种模式对应主动对话场景,借助知识图谱中概念、属性 和关系之间的关联,经过话题推荐等策略实现对话过程的主动引导。

【知识图谱技术】

UNIT-个人知识总体组成以下:

平台:UNIT为托管知识图谱提供了的整套平台化支持。

算法:提供了图谱生产和应用环节的一套丰富的高质量算法。

架构:包含图谱生产架构,图谱存储架构,图谱算法架构,图谱应用架构。

 

image.png

 

 

知识图谱的核心技术包括知识表示、知识抽取、知识消岐与融合、知识存储。UNIT平台上“个人知识-图谱/问答知识库”部分为开发者提供了知识挖掘与管理工具。这些积累的知识可用于提升模型理解能力、完善对话管理能力、实现对话系统的知识建设闭环。

 

image.png

 

 

对话流管理工具Taskflow,灵活定制复杂任务的对话流程

Taskflow是UNIT推出的新一代对话管理技术,开发者可经过简洁直观的图形化配置(后续版本升级提供,目前是经过配置文件完成配置),高效定制属于本身的对话管理能力。开发者可使用Taskflow实现一个对话场景下复杂的流程性对话的任务设计,好比咖啡店的订咖啡、航空公司的订票退票、保险公司的车险报案等,在这些对话流程中能够实现不一样对话意图中关键信息的灵活收集,也能够实现多个意图之间的跳转,以及对话过程当中一个意图被打断后的对话恢复等。

Taskflow技术】

在Taskflow中,UNIT提供执行条件判断、对话状态跟踪、应答动做及话术生成等一系列基础能力单元,开发者只需根据自身需求进行灵活组装,便可实现对话管理能力。对于复杂对话逻辑需求也能够借助Taskflow的云端编程能力在较低成本下实现。同时Taskflow中还提供资源调用能力,一键接入领域资源,让对话链路更加完整。UNIT平台当前开放配置接口,开发者直接使用流程图来描述对话逻辑,并将流程图配置输入Taskflow执行,大大提升对话逻辑的实现效率。

 

image.png

 

嵌入式对话理解技术,提供定制化离在线融合框架

在AIoT领域中,大多场景都要求终端具有本地自主决断及响应能力,每一个设备端都须要具有不依赖云端的独立计算能力,完成智能对话的本地解析,实现端计算,让设备不管在什么网络环境下都可以响应用户对话。针对这种场景的痛点,UNIT 3.0推出嵌入式对话理解技术,结合语音的本地识别能力,能够实现本地化不联网的语义识别,再结合云端的AI,让本地和云端有效配合,以知足用户随时随地的对话需求。

在线服务具有更好的对话理解与知足,离线能力保证设备在各类环境下的核心智能交互稳定性;UNIT3.0提供了离在线融合的对话理解框架,开发者能够根据自身的业务状况,灵活选择离线与在线能力。

 

image.png

 

 

除此以外,UNIT3.0也从技能管理、对话管理、知识接入三个纬度进一步升级了技能与知识管理能力,帮助开发者整合对话、问答技能,接入知识,经过单一接口一站式知足复杂的对话系统研发。技能管理实现多技能顺序可调,并共享全局记忆;对话管理方面具备在线与离线可编程对话管理框架,可适应多样化的业务场景;知识接入方面具有图谱知识库、关系数据库,基于HTTP服务知识信息的全面支持接入。

百度大脑智能对话引擎一直致力于为企业和我的开发者提供专业、灵活、低成本的对话定制能力,打造能力最全、规模最大的对话系统定制平台,与用户的累计交互次数超过1380亿次。将来,百度也将持续发力智能对话,拥抱开放,让开发者平等、便捷地获取更低成本、更好效果的智能对话技术。

相关文章阅读:

百度大脑UNIT3.0解读之对话式文档问答——上传文档获取对话能力

百度大脑UNIT3.0详解之语音语义一体化方案

百度大脑UNIT3.0详解之数据生产工具DataKit

百度大脑UNIT3.0详解之知识图谱与对话

百度大脑UNIT3.0详解之嵌入式对话理解技术

相关文章
相关标签/搜索