AI电话机器人的智能问答原理

智能问答的语义匹配模型的基本架构模型共分为输入编码层、交互层以及融合层：输入编码层使用双向LSTM分别对两个输入词嵌入做序列编码，以捕获更丰富的语义信息，该部分词嵌入也可以采用字符、拼音粒度的表示；交互层首先计算输入编码层表示的Attention特征，然后同词嵌入、输入编码层的输出特征拼接。拼接特征通过双向LSTM编码，进一步捕获带有相关信息的句子编码，作为下一层的输入；融合层对浅层和深层信息进行融合，并对最终相似度得分进行预测。

用户带着明确的目的而来，希望得到明确满足特定限制条件的信息和服务，例如：下单、查时效或查件等。由于用户的需求可能比较复杂，需要分多轮进行陈述，用户也可能在对话过程中不断修改或完善自己的需求。此外，当用户陈述的需求不够具体或明确的时候，机器也可以通过询问、澄清或确认来帮助用户找到满意的结果。因此，任务驱动的多轮对话不仅仅是一个简单的自然语言理解加信息检索的过程，还是一个决策过程，需要机器在对话过程中不断根据当前的状态决策下一步应该采取的最优动作（如：提供结果、询问特定限制条件、澄清或确认需求等）从而能够最有效的辅助用户完成信息或服务获取的任务。由于用户的数据会逐步增长，在不同的阶段对准确率的预期也不同，因此我们需要有一种渐进式的方式，针对不同阶段提供不同方法来达成当前目标，其核心思想在于如何有效的利用用户提供的数据。比如少量数据的时候使用比较基础的相似度模型，有几百条数据后应用迁移学习的方法，再进一步就可以使用传统的机器学习模型，同时还会根据数据量进行各种模型的对比和调参。

智能语音对话机器人系统指标

1. 时间特性要求：系统极限响应时间到底是多少？如果以微服务的形式调用，总的时间被分摊到每一步的时间消耗应该是多少。

2. 灵活性：系统的各个模块应该在可控的状态内，每一个模块可插拔，保证线上质量。

3. 安全性：内外网隔离，注意网络安全、系统安全、用户安全、数据安全。

4. 可扩展性：系统和集群稳定运行，主要的集群实现双机热备、灾备，当单个节点发生故障可以迅速切换。

5. 可用性：系统的各项功能可用，系统上线必须符合一定的正确率。