基于自然語言處理的電力客服系統(tǒng)研究

盧致亮　匡先進(jìn)　曾趙錦

【摘要】? ? 自然語言處理是IT技術(shù)重要的創(chuàng)新之一，本文針對電力客服系統(tǒng)的需求，結(jié)合自然語言處理技術(shù)討論了一種電力客服系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)過程。討論了系統(tǒng)構(gòu)建過程中涉及的實(shí)現(xiàn)模式、系統(tǒng)組件、核心算法等內(nèi)容。該系統(tǒng)以電力服務(wù)為知識庫數(shù)據(jù)源，利用自然語言處理技術(shù)進(jìn)行分詞及詞向量轉(zhuǎn)換，利用知識庫訓(xùn)練并構(gòu)建模型，最終完成電力智能客服系統(tǒng)的構(gòu)建，其運(yùn)行效果良好。

【關(guān)鍵詞】? ?自然語言處理? ? 智能問答? ? 電力服務(wù)

引言：

人工智能技術(shù)在飛速發(fā)展，并迅速應(yīng)用于各行各業(yè)。電力系統(tǒng)關(guān)系到國計(jì)民生，人工智能在電力系統(tǒng)中的應(yīng)用必將有效提升電力運(yùn)維的效率與安全。人工智能系統(tǒng)與電力系統(tǒng)的融合體現(xiàn)在諸多方面，本文以電力智能客服系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)為切入點(diǎn)，將自然語言處理技術(shù)應(yīng)用于電力系統(tǒng)的自動運(yùn)維，使電力系統(tǒng)的運(yùn)維向自動化、智能化方向發(fā)展。

智能手機(jī)的普及讓用戶希望擁有更便捷的信息獲取方式和更人性化的人機(jī)交互體驗(yàn)。此背景下，我們進(jìn)行了電力客服系統(tǒng)的研究與開發(fā)，在工單大數(shù)據(jù)技術(shù)的助力下，構(gòu)建了一個能夠快速吸收和利用已有知識的對話理解模型，對用戶的問題通過自然語言處理技術(shù)進(jìn)行分析，采用機(jī)器學(xué)習(xí)方法構(gòu)建和優(yōu)化問答模型，構(gòu)建出一個高效、準(zhǔn)確的智能問答系統(tǒng)。

本文組織如下，首先介紹了電力客服系統(tǒng)的研究意義，并對當(dāng)前國內(nèi)外研究現(xiàn)狀進(jìn)行了分析;然后討論了相關(guān)系統(tǒng)組件、核心算法、自然語言處理方法;最后給出了電力智能客服系統(tǒng)模型的構(gòu)建流程。

一、研究現(xiàn)狀

智能問答系統(tǒng)可以定義為能與人進(jìn)行對話的應(yīng)用程序，即采用文字、語音來與計(jì)算機(jī)進(jìn)行交互的問答系統(tǒng)。問答系統(tǒng)的發(fā)展經(jīng)歷了漫長的歷史。

1988年，Berkeley研發(fā)了聊天機(jī)器人UC[1]，該系統(tǒng)通過自然語言交互界面為用戶使用系統(tǒng)提供幫助。此后延伸出多種類似系統(tǒng)，如 YAP[2]用于電話信息查詢，CSIEC[2]則用于學(xué)習(xí)輔助。

國內(nèi)，中科院于1998年構(gòu)建了第一個人機(jī)對話系統(tǒng)[3]。初期的問答系統(tǒng)常限定于某特定領(lǐng)域，結(jié)合知識庫和推理機(jī)而形成專家系統(tǒng)（ES）[5]。

在電力系統(tǒng)運(yùn)維方面，目前應(yīng)用于電力系統(tǒng)的方法有神經(jīng)網(wǎng)絡(luò)[4]、模糊集理論[6]等。神經(jīng)網(wǎng)絡(luò)具有良好分類性，被廣泛應(yīng)用于電力系統(tǒng)的監(jiān)測、診斷、實(shí)時(shí)控制、符合預(yù)測以及狀態(tài)評估等不同的領(lǐng)域[7]。模糊集則可完成傳統(tǒng)數(shù)學(xué)方法難以描述的模糊計(jì)算問題，目前已應(yīng)用于電力系統(tǒng)的系統(tǒng)規(guī)劃、模糊控制等方面[8]，這些方法在構(gòu)建智能問答系統(tǒng)方面也具有較大的潛力。

當(dāng)前，越來越多的公司、研究機(jī)構(gòu)在進(jìn)行智能問答技術(shù)的研發(fā)，如微軟、蘋果、劍橋大學(xué)等，工業(yè)界和學(xué)術(shù)界已產(chǎn)出一些比較成熟的智能問答系統(tǒng)。實(shí)際中，電力客服系統(tǒng)因其友好、便捷和及時(shí)的特點(diǎn)而迅速受到客戶的認(rèn)可。

三、系統(tǒng)架構(gòu)

電力客服系統(tǒng)是智能問答系統(tǒng)中的一種特殊應(yīng)用，該系統(tǒng)涉及自然語言處理、工單數(shù)據(jù)分析以及問答模型構(gòu)建，其關(guān)鍵算法涉及NLP的語義分析和情感分析。

3.1電力客服系統(tǒng)實(shí)現(xiàn)模式

問答模型分為兩類，一類通過遵循特定規(guī)則來生成答案;另一類則使用人工智能方法生成答案。

3.1.1基于規(guī)則的系統(tǒng)

該模式的標(biāo)準(zhǔn)結(jié)構(gòu)由人工智能標(biāo)記語言（AIML）構(gòu)建，其局限是只能理解其編碼范圍內(nèi)的問題，預(yù)定義的問答規(guī)則定義了客戶與系統(tǒng)對話的范圍，答案僅出現(xiàn)于匹配模式中。基于規(guī)則的系統(tǒng)更易構(gòu)建，因其使用簡單的算法來理解用戶輸入并查詢相應(yīng)的答案，適用于系統(tǒng)中基礎(chǔ)知識的問答。

3.1.2基于機(jī)器學(xué)習(xí)的系統(tǒng)

該模型使用機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練，通過自然語言處理技術(shù)來理解特定問題并生成相應(yīng)的答案。系統(tǒng)開發(fā)時(shí)采用知識庫來存儲并描述系統(tǒng)的角色，用對話記錄進(jìn)行模型的反復(fù)訓(xùn)練，算法結(jié)合模型與新收到的話語自動生成匹配答案。其特點(diǎn)是能理解自然語言，并可在對話過程中持續(xù)學(xué)習(xí)以提升其智能化水平。

3.2電力客服系統(tǒng)的組件

整個系統(tǒng)因涉及不同的異構(gòu)組件而變得復(fù)雜，其系統(tǒng)結(jié)構(gòu)取決于多種因素，如問答內(nèi)容的用例、領(lǐng)域以及系統(tǒng)類型等，系統(tǒng)的關(guān)鍵組件如下：

3.2.1問答系統(tǒng)

問答系統(tǒng)負(fù)責(zé)回答客戶的常見問題。客戶的問題由問答系統(tǒng)進(jìn)行解釋，答案則來自知識庫的匹配，知識庫的構(gòu)建可用手工訓(xùn)練或自動訓(xùn)練方式。手動訓(xùn)練需要領(lǐng)域?qū)＜揖幹瞥Ｒ妴栴}列表并描述其答案，系統(tǒng)基于此列表來匹配近似問題并查詢得到相應(yīng)答案。自動化訓(xùn)練則需要向系統(tǒng)傳遞訓(xùn)練數(shù)據(jù)，如工單，知識庫由訓(xùn)練得到，問答引擎生成問題和答案的對應(yīng)列表并據(jù)此對問題自動匹配其答案。

3.2.2自然語言處理

自然語言處理技術(shù)將用戶的消息上下文化，其作用是理解用戶表述的內(nèi)容，并將其轉(zhuǎn)換為計(jì)算機(jī)能識別和處理的信息。

NLP涵兩個部件，即意圖分類器和實(shí)體提取器。意圖分類器在輸入內(nèi)容和回答內(nèi)容之間構(gòu)建映射關(guān)系;實(shí)體提取器負(fù)責(zé)從用戶的輸入中識別關(guān)鍵字，幫助確定用戶的操作意圖。

NLP引擎還包含反饋機(jī)制和學(xué)習(xí)策略。反饋機(jī)制是用戶為系統(tǒng)提供的反饋信息，它可納入評價(jià)系統(tǒng)中，即用戶在對話結(jié)束時(shí)對交互系統(tǒng)進(jìn)行評分，以此激勵系統(tǒng)進(jìn)行改進(jìn)。學(xué)習(xí)策略是一種泛型學(xué)習(xí)框架，系統(tǒng)經(jīng)訓(xùn)練后可以在對話中創(chuàng)建更為通用的網(wǎng)絡(luò)模型。

3.2.3前端系統(tǒng)

前端系統(tǒng)是用戶與電力客服系統(tǒng)交互的系統(tǒng)，它是面向客戶的系統(tǒng)，如微信、門戶網(wǎng)站或移動APP等。

3.2.4節(jié)點(diǎn)服務(wù)器/流量服務(wù)器

服務(wù)器接收用戶請求并將它路由至相應(yīng)組件，內(nèi)部組件的響應(yīng)通常流量服務(wù)器路由至前端系統(tǒng)。

3.2.5后端集成

電力客服系統(tǒng)可與現(xiàn)有的后端系統(tǒng)（CRM、數(shù)據(jù)庫、支付系統(tǒng)等）集成，以增強(qiáng)電力客服系統(tǒng)的整體功能。

3.3電力客服系統(tǒng)核心算法

電力客服系統(tǒng)可采用不同分類模型來工作，核心模塊包括自然語言理解和自然語言處理。

3.3.1算法模式

算法用于構(gòu)建分類器和創(chuàng)建問答模型，復(fù)雜結(jié)構(gòu)由多個問答模型組合迭代而成。神經(jīng)網(wǎng)絡(luò)用權(quán)重向量來連接輸入與輸出，如前所述，NLP處理輸入時(shí)每個句子都會被分解為單詞，每個單詞都會用作神經(jīng)網(wǎng)絡(luò)的輸入，通過訓(xùn)練數(shù)據(jù)的多次迭代計(jì)算其加權(quán)連接，每次計(jì)算都使答案更準(zhǔn)確。對于新輸入的句子，它的分詞會被計(jì)算頻次和特征，進(jìn)而進(jìn)行推斷，得分高者最有可能與輸入相關(guān)聯(lián)，即為答案。

3.3.2自然語言理解

自然語言理解（NLU）通過分解查詢信息來幫助系統(tǒng)理解用戶請求。它有實(shí)體、意圖和上下文三方面內(nèi)容。

實(shí)體是系統(tǒng)從用戶查詢中提取的關(guān)鍵字，用以了解用戶的需求。意圖則有助于系統(tǒng)識別用戶輸入所對應(yīng)的操作。上下文用于關(guān)聯(lián)提問意圖，而舍棄對問題本身的分析和記錄。上下文對于NLU算法而言極其重要，若分析對話的歷史則需存儲對話中所有的問題，隨著數(shù)量的增加，分析過程變得異常復(fù)雜，使用上下文則可拋棄對對話歷史的存儲轉(zhuǎn)而記錄對話狀態(tài)。

3.3.3自然語言處理

自然語言處理（NLP）是將客戶的文本、語音轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)以篩選相關(guān)答案的過程。該過程涉及情感分析、標(biāo)記化、規(guī)范化和依賴解析等。

情感分析算法通過讀入實(shí)體來理解用戶的情感。標(biāo)記化是將一組單詞分成片段的過程，使其在語言上具有極強(qiáng)的語義征性。實(shí)體識別是模型需要查找的單詞類別，如產(chǎn)品名、用戶名或地址等。規(guī)范化是處理用戶輸入中常見錯誤的過程，它使系統(tǒng)不會因?yàn)橛脩舻恼`輸入而誤導(dǎo)整個服務(wù)流程。依賴解析是在用戶輸入的文本中查找對象的主語、動詞、名詞和常用短語的過程，由此找到用戶意圖的依賴關(guān)系。綜上，NLP將自然語言翻譯成特定模式的文本組合，通過該組合來映射最優(yōu)答案。

四、結(jié)束語

本文討論了基于自然語言處理的電力客服系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)方法。該系統(tǒng)從運(yùn)維的實(shí)際需求出發(fā)，以提供良好的服務(wù)為目的，將自然語言處理技術(shù)應(yīng)用于電力運(yùn)維系統(tǒng)中客服問答系統(tǒng)的構(gòu)建。

實(shí)際中，電力客服系統(tǒng)為無限量的用戶提供大規(guī)模的實(shí)時(shí)連接并像人一樣與客戶交互，使客戶輕松獲得優(yōu)質(zhì)的服務(wù)和良好的體驗(yàn)。企業(yè)通過該系統(tǒng)可以高效地完成自動運(yùn)維工作，從而節(jié)約資源和成本，其經(jīng)濟(jì)效益顯著。

參? 考? 文? 獻(xiàn)

[1] Robert Wilensky， David N. Chin， Marc Luria， James Martin， James Mayfield， and Dekai Wu. The Berkeley Unix Consultant project.Computational Linguistics， 14（4）， 1988.

[2] Lovis C Wagner J Griesser V Michel PA Scherrer JR. Baud RH， Rassinoux AM. Knowledge sources for natural language processing.Proc AMIA Annu Fall Symp， 70（4）， 1996.

[3]初敏. 人機(jī)對話系統(tǒng)工程. 中國科協(xié)青年學(xué)術(shù)年會， 1998.

[4] Computing Machinery. Computing machinery and intelligence-am turing. Mind， 59（236）：433， 1950.

[5] Buchanan B. G. and Heuristic DENDRAL. A program for generating expiator hypotheses in organic chemistry： Machine intelligence.Edinburgh： Edinburgh University Press， page 209， 1969.

[6] Lotfi A Zadeh. Fuzzy sets. In Fuzzy sets， fuzzy logic， and fuzzy systems： selected papers by Lotfi A Zadeh， pages 394–432. World Scientific， 1996.

[7]劉秀玉， 劉嶠， 王日見， 張少華. 一種基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測方法. 上海大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2001（01）.

[8]嚴(yán)華， 吳捷， 馬志強(qiáng)， 吳列鑫. 模糊集理論在電力系統(tǒng)短期負(fù)荷預(yù)測中的應(yīng). 電力系統(tǒng)自動化， 2000（11）.

通信作者：盧致亮，（1985.6- ），男，漢，江西省南康，大學(xué)本科，工程師，主要研究方向?yàn)殡娮有畔ⅰ?/p>