智能客服系统是通过对用户的问题进行词粒度的拆分,按照中文语义分析技术,找到问句的关键元素,然后和语料库中的问题进行匹配,进而给出相应的答案。当规则问句越完整,拆解的关键词越多越具体,则匹配到的概率越高。那么智能语音要规避哪些问题呢?
1、短句偏好性
在聊天语料中,除去系统自动提示补充的语句外,大部分语料长度在十五字以内,说明用户在进行咨询问题时更偏向于用更简单的方法来阐明自己遇到的问题。
2、过度口语化
由于咨询问题开始的方式是直接的言语表达,而且传统的呼叫中心等咨询方式都是采用直接语言沟通的方式,长期以来用户养成了口语化的特点,在进行咨询时,更偏向于日常口语化的表达。这需要在识别系统中加入口语化,甚至地区性的元素,高效地准确识别用户问题存在困难。除此之外,口语中的语调等都会引起语义的不同,而这在文本中无法体现,对准确识别问题造成麻烦。
3、语句不规范性
聊天语料的不规范有多种表现,例如错别字、主语残缺、语法错误等。对于错别字现象,用户在语音输入时由于口音或者环境杂音等问题往往会在系统显示出错别字,如果不是和原本要表明的意思差距很大,用户往往不会去纠正这些错别字,而这对智能客服系统的准确识别有着较大的影响。
要提高知识库更新频率,电子商务市场变化迅速,为了进行产品的推广,经常会有活动推出,同时业务也会面临一定的变动,在这过程中用户会不断遇到新的问题。因此定期通过数据回顾将用户新的问题补充到语料中,将会对智能语音准确率有很大帮助。