知识中台:基于知识图谱如何快速构建垂直领域的智能客服
大数据之AI应用实践
杨浩
杨浩 华为2012实验室架构及关键DFX科学家

华为2012实验室架构及关键DFX科学家,负责华为三大BG的智能客服业务,华为官网、企业官网和SUPPORT等搜索相关业务。北京邮电大学国家重点实验室博士,曾任百度个性化负责人,阿里巴巴技术总监,微软亚洲研究院明日之星,擅长自然语言处理等AI技术在搜索推荐、智能客服等应用场景落地。

  • 分享简介

    在这个“效率为王,流量即金”的时代,随着互联网金融、移动电商、O2O等新的经济形态的兴起和发展,行业市场也随着产生了新的变化:体验、尤其是服务体验的优劣很大程度上影响着企业运营的成败。人工智能技术的进步,语音识别技术、自然语言处理等技术的成熟,智能客服的发展很好的承接当下传统人工客服所面临的挑战。

    智能客服包括智能应答、智能助手、智能助理等产品形态,核心还是高效准确解决客户问题,可能的优势包括:快、准、易,构建企业级的基于知识的智能客服中ToB和ToC的智能客服差异不同,从Google Next 18提出来做智能客服的行业级解决方案收效甚微、实现从互助、到自助和自主的智能客服,让用户感觉从“有点智障”,“有点智能”到“比较智能”,需要客服系统智能化的架构升级、深度学习和知识图谱算法提升。

  • 分享提纲

    1、 智能客服核心竞争力,快、准、易,在当下的实现应对半自动驾驶。

    2、从垂直的电信、金融领域分析,ToC/ToB的场景下的智能客服的实践

    3、快速迭代企业级智能客服“智障”-“有点智能”-“比较智能”,敏捷迭代三部曲。

    4、典型的知识图谱算法和工具优化。

    5、“从数据中台到知识中台”,面向知识管理的智能客服微服务架构。

    6、“数据驱动 + 微创新”,AI项目中的最佳敏捷实践。

    7、“AI防锅指南,确保搞砸人工智能项目的十种方法”


  • 分享收益

    目标:

    基于知识图谱,构建企业级互助、自助、自主的智能客服平台最佳实践

    成功(或教训)要点:

    1)一个典型AI项目,如何从互助到自助到自主,最终提升业务准确率、效率和客户满意度

    2)ToB, Not ToB, 明确通用场景和垂直场景的智能客服目标差异和技术差异

    3)QA Match, KG Inference & Task Completing,实现从“有点智障有点智能”,“比较智能”的智能客服

    4)意图分类、知识嵌入、知识链接和图查询等典型的图谱深度学习算法实操

    5)知识结构化、流程化、APP化,三层的领域智能客服微服务架构实践

    启示:“从数据中台到知识中台”,面向知识管理的智能客服微服务架构。

热门推荐