得助智能：智能客服系统知识库的工作原理是怎样的？

一、匹配问题的原理

知识库匹配问题主要用到自然语言处理技术和置信度指标，当客户输入问题时，知识库通过自然语言处理技术将客户问题转换为计算机语言，与知识库中问题进行匹配，一般企业的知识库中会存在大量表达上高度相似的问题，知识库怎么知道推送哪条的答案？这时候需要用到置信度指标，高度相似的知识在置信度上是有差异的，匹配时如果几条答案匹配度都高过设定值，一条答案与其他答案相差较大，超过系统设定的“正确阈值”，那么知识库就认为这条是可以匹配的正确答案；如果高匹配度答案间的置信差不够大，知识库可以同时推送几条匹配度高的问题供客户点选；匹配度过低或置信差小的高匹配问题过多时，则判断无法回答。

二、优化原理

从原理上看，知识库的优化主要分为接待访客实现优化和人工辅助实现优化两种形式。

接待访客实现优化：在客户接待工作中，访客输入问题时，知识库进行问题推荐，客户可能进行点选；在回复客户后客户可能对答复进行“有用”或“没用”的评价，客服在回复时，知识库可以辅助推荐答案，客服可能根据需要进行点选。在机器学习技术下，每次接待后知识库都会根据接待的反馈进行置信度的调整。所以一般随着使用量的增加，知识库的表现会变得更好。

人工辅助实现优化：知识库后台提供相应的优化维护功能，知识库可以根据已有的数据指标对问法进行查重，对一段时间内的未知问题、相似问题进行收集，通过人工审核判断是否真的重复、真的未知、真的相似并进行处理，一方面直观上知识库的内容和结构得到了优化，另一方面知识库对自然语言的理解也相应调整，进而知识库变得更加易用、问题的匹配准确度变得更高。