NLP包括兩個(gè)組成部分：自然語言理解（NLU）和自然語言生成（NLG）。NLU將自然語言輸入映射成有用的表示，用于處理和分析，而NLG則將表示轉(zhuǎn)換成自然語言。

　　在某些方面，這些技術(shù)已經(jīng)過時(shí)了。1972年，計(jì)算機(jī)科學(xué)家羅伯特·默瑟（RobertMercer）和彼得·布朗（Peter Brown）提交了他們的第一個(gè)NLP相關(guān)專利申請(qǐng)。但隨著可負(fù)擔(dān)得起的高性能計(jì)算平臺(tái)的出現(xiàn)，這些技術(shù)現(xiàn)在可以快速地支持實(shí)時(shí)響應(yīng)，以實(shí)現(xiàn)舒適的人機(jī)交互，并可用于客戶參與。在實(shí)際操作中，這意味著在不到300毫秒的時(shí)間內(nèi)提供會(huì)話響應(yīng)的能力。

　　如果會(huì)話接口是你的目標(biāo)，那么你應(yīng)該NLU和NLG一起使用。但是，你仍然可以在單獨(dú)使用這些組件時(shí)找到實(shí)用程序。例如，要求IVR將資金從一個(gè)帳戶轉(zhuǎn)移到另一個(gè)帳戶只需要NLU。音頻確認(rèn)需要NLG。

　　以下是對(duì)NLU平臺(tái)一些功能的描述。

　　辨別意圖：客戶的意圖可以通過處理一個(gè)完整的話語來辨別。然而，在客戶參與環(huán)境中，語法完整的句子并不是常見的，因此你需要使用上下文和元數(shù)據(jù)元素來管理會(huì)話，從而獲得成功的結(jié)論。例如，當(dāng)試圖檢索股票報(bào)價(jià)時(shí)，客戶可能會(huì)問：“告訴我現(xiàn)在的字母表交易是多少？”這臺(tái)機(jī)器捕捉到了這些信息，應(yīng)用了語境理解，并做出回應(yīng)：“字母表的交易價(jià)格是1055.82美元。”客戶的意圖是檢索股票報(bào)價(jià)。

　　消除歧義：與其他形式的會(huì)話AI相比，客戶約定不太容易產(chǎn)生不確定性，因此往往不需要經(jīng)常消除歧義。這是因?yàn)榻换リP(guān)注的是一組客戶屬性、產(chǎn)品或服務(wù)，而不是整個(gè)宇宙。這并不意味著客戶永遠(yuǎn)不會(huì)說一些模棱兩可或矛盾的東西，比如“把我的訂單發(fā)到我的家庭地址，不，讓我再想想，請(qǐng)把它發(fā)到我的工作地址。”這使得機(jī)器可以消除混淆的消息傳遞。在這種情況下，你需要你的人工智能助手來背書確認(rèn)：“只是確認(rèn)一下，你是想把你的訂單發(fā)到你的工作地址嗎？”此確認(rèn)步驟將為機(jī)器提供正確的確認(rèn)，這可以用來防止在機(jī)器學(xué)習(xí)過程中產(chǎn)生進(jìn)一步的誤解。

　　術(shù)語提�。�每個(gè)行業(yè)都有一些獨(dú)特的術(shù)語�？萍夹袠I(yè)更是如此，一個(gè)例子就是電話中的“端口”。如果客戶想把電話號(hào)碼從一個(gè)手機(jī)移動(dòng)到另一個(gè)手機(jī)，他可能會(huì)說：“請(qǐng)將電話號(hào)碼410-555-1212從T-Mo發(fā)送到下面的SIM卡123-4545-4545-9865.”有了正確的理解，機(jī)器將從這個(gè)句子中提取單詞“port”和SIM值，這樣它就可以執(zhí)行一個(gè)機(jī)器人程序，將數(shù)字移動(dòng)到新的SIM卡上。類似地，機(jī)器將知道“T-Mo”是指載波T-Mobile，并將開始接觸，所以數(shù)字會(huì)被釋放到新的載體上。

　　翻譯：在客戶參與環(huán)境中使用翻譯通常不是一個(gè)好主意。相反，最好的選擇是選擇一個(gè)處理語言的NLU/NLG解決方案。例如，將客戶的請(qǐng)求從德語翻譯成英語，然后用英語處理回復(fù)，并將其翻譯成德語，這不是好的方法。

　　解析：NLP解析的一個(gè)流行的例子是對(duì)句子的解釋：“我看見一個(gè)拿著望遠(yuǎn)鏡的女孩。”是我用望遠(yuǎn)鏡去看那個(gè)女孩，還是我看到的那個(gè)拿著望遠(yuǎn)鏡的女孩？客戶約定很少需要解析語句來確定意義，因此，提出一個(gè)示例是很困難的。因此，一個(gè)解析算法比一個(gè)必須擁有的NLP特性更適合于客戶參與平臺(tái)。

　　詞干：這個(gè)過程是用來解釋錯(cuò)誤的或讀錯(cuò)的單詞，以及縮短程序來理解意圖所需的時(shí)間�？紤]如下：“我想轉(zhuǎn)移資金（I want to have funds transferred）。”'轉(zhuǎn)移（transferred）'的詞干是“轉(zhuǎn)移（transfer）”。如果你調(diào)優(yōu)機(jī)器以考慮所有形式的“轉(zhuǎn)移”，那么你就可以節(jié)省時(shí)間，不必手工編寫每一單詞的所有形式。

　　命名實(shí)體提取：之前在我的股票交易示例中涉及到理解意圖。在客戶詢問字母表的股票價(jià)格后，他可能會(huì)說：“亞馬遜怎么樣？”這臺(tái)機(jī)器維護(hù)了語境，并說：“亞馬遜的交易價(jià)格是1522.32美元。”“亞馬遜怎么樣？”可能不是指股票價(jià)格，而是關(guān)于亞馬遜雨林信息的查詢請(qǐng)求。通過使用命名實(shí)體提取，機(jī)器能夠提供與會(huì)話上下文匹配的響應(yīng)。

　　一些NLP解決方案提供了公開使用的命名實(shí)體的詳細(xì)列表，例如在我的示例中使用的公司名稱，但是其他的沒有。即使有一個(gè)提供的列表，你的業(yè)務(wù)中的命名實(shí)體可能與其他實(shí)體不同，因此你需要特別注意構(gòu)建你的列表。除了公司名稱，命名實(shí)體列表還應(yīng)該包括產(chǎn)品、城市、國家、供應(yīng)商和流程的名稱，包括任何可能出現(xiàn)的命名實(shí)體，并幫助機(jī)器在客戶交互過程中提供更快、更準(zhǔn)確的響應(yīng)。

　　主題分割：建立一個(gè)傳統(tǒng)的知識(shí)庫涉及到一個(gè)手工的過程來處理內(nèi)容和確定主題和子主題。NLP解決方案可以通過一個(gè)主題細(xì)分過程自動(dòng)化這個(gè)工作，這個(gè)過程決定了文檔的哪個(gè)部分適用于特定的客戶請(qǐng)求。為了達(dá)到速度的目的，最好提前執(zhí)行主題分割，并在所有知識(shí)內(nèi)容上生成標(biāo)記，這樣你的機(jī)器就能在客戶請(qǐng)求時(shí)更快地呈現(xiàn)正確的知識(shí)。

　　辨別情緒：情緒分析在聯(lián)絡(luò)中心有很多用途。作為一個(gè)提供管理解決方案的關(guān)鍵，很難復(fù)制。分析單詞和標(biāo)點(diǎn)可以幫助確定文本交互中的情緒。語音交互在情感分析中增加音高和音量，而視頻接口則將面部表情引入分析。一些供應(yīng)商提供上述所有的服務(wù)，但許多供應(yīng)商沒有。如果你對(duì)情緒分析感興趣，那么一定要了解你選擇的供應(yīng)商在這方面的能力。

　　內(nèi)容總結(jié)：總結(jié)是客戶參與環(huán)境中一個(gè)有趣的工具。對(duì)于它的Watson NLU引擎，IBM收取0.003美元來總結(jié)一份10，000字符的文檔，并總結(jié)一個(gè)客戶的八個(gè)字的表達(dá)。針對(duì)客戶交互的NLP解決方案通常是針對(duì)這些簡短的話語進(jìn)行調(diào)整的。

　　在客戶服務(wù)環(huán)境中，摘要總結(jié)是一種統(tǒng)計(jì)工具。它可以有效地取代呼叫處理過程，為聯(lián)絡(luò)中心的運(yùn)營經(jīng)理提供接近實(shí)時(shí)的洞察，了解客戶的需求。我知道當(dāng)我在經(jīng)營一家藥店的福利項(xiàng)目時(shí)，我會(huì)發(fā)現(xiàn)一個(gè)NLU的總結(jié)工具。例如，某一天下午4點(diǎn)，呼叫量比平常增長三倍。事實(shí)證明，這是退休人員去郵箱的時(shí)間，而我們的一個(gè)杰出的營銷人員已經(jīng)發(fā)送了大量的郵件，上面寫著：“你的福利可能會(huì)受到威脅。”一旦我們發(fā)現(xiàn)了這個(gè)問題--兩個(gè)小時(shí)之后--我們迅速推出了一個(gè)腳本，這樣所有的座席都能更有效地處理這些呼叫。如果我們有一個(gè)NLU總結(jié)工具，我們可以在幾分鐘內(nèi)確定這個(gè)趨勢(shì)。

　　內(nèi)容標(biāo)記：當(dāng)聯(lián)絡(luò)中心使用大量非結(jié)構(gòu)化數(shù)據(jù)來支持客戶交互時(shí)，標(biāo)記內(nèi)容是必需的。在標(biāo)簽上搜索比在知識(shí)庫中搜索所有內(nèi)容要快得多，這意味著座席--虛擬的或真人的--可以比不添加內(nèi)容標(biāo)記更快地向客戶傳遞正確的答案。

　　分類：分類用于識(shí)別某些類型的詞。如果你從事抵押貸款服務(wù)業(yè)務(wù)，那么哥倫布可能指的是一個(gè)地方，而不是一個(gè)人。類似于目的和功能的命名實(shí)體，基于NLP的分類法對(duì)于具有非常廣泛的產(chǎn)品目錄的企業(yè)來說是很有用的。這些工具可以減少客戶在處理成千上萬的產(chǎn)品時(shí)可能發(fā)生的混亂，同時(shí)節(jié)省時(shí)間。

　　在客戶參與中，NLG通常被理解為一個(gè)復(fù)雜的定向?qū)υ拰?shí)現(xiàn)。接口向用戶公開的響應(yīng)或后續(xù)問題是利用NLG創(chuàng)建的。具體來說，NLG處理器將文本公開給用戶（如在Web聊天中），或者向用戶提供的一種中間技術(shù)，像TTS（如在IVR或語音計(jì)算中），產(chǎn)生了用戶可以聽到的語音。

　　如果你打算使用語音接口，那么你應(yīng)該將一些思想引入到TTS（文本到語音）解決方案中。標(biāo)點(diǎn)、性別、能量、壓力、音素長度、語調(diào)、音節(jié)和聲調(diào)都可以影響你向客戶展示的溝通質(zhì)量。雖然你可能并不一定想要探索這些因素背后的算法，但是你肯定想要傾聽這個(gè)接口，并確定什么對(duì)你和你的團(tuán)隊(duì)來說是好的。

　　如果你仍在閱讀，那么你可能正在考慮在你的聯(lián)絡(luò)中心內(nèi)實(shí)現(xiàn)NLP。你有很多選擇，現(xiàn)在有1000多家公司提供NLP服務(wù)。有些具有預(yù)先構(gòu)建的功能，支持我上面描述的特性，而另一些則需要你構(gòu)建自己的特性。好消息是，隨著聯(lián)絡(luò)中心技術(shù)的發(fā)展，沒有一種技術(shù)是非常昂貴的。但是，有些工具的實(shí)現(xiàn)和管理可能比其他的更昂貴。選擇最能支持業(yè)務(wù)的平臺(tái)或產(chǎn)品是成功的關(guān)鍵。

　　作者：Chris Vitek

　　原文網(wǎng)址：https://www.nojitter.com/post/240173441/nlp-in-your-contact-center-what-you-need-to-know