从二手车到自然语言处理：车好多基于业务驱动

日前，GMIS 2019全球数据智能峰会在上海召开，车好多集团（瓜子二手车及毛豆新车母公司）NLP和用户画像负责人王文斌受邀参加峰会并发表主题演讲。在题为《对话机器人赋能企业在线化》的主题演讲中，他介绍到，车好多已经将与人工智能技术应用于汽车消费服务的全流程中，包括在线客服这类极具个性化的服务也已经大多被基于NLP的人工智能客服所代替，目前瓜子二手车有90%的售中售后均由人工智能客服独立完成。除了客户服务效率与体验得到大幅提升之外，对用户画像、个性化服务也发挥了关键的作用。

本文根据演讲主要内容编辑，略有调整。

传统的汽车交易非常复杂，交易链条冗长，具有卖家和买家双边市场的不确定性，又在各个环节对人工服务有严重的依赖。车好多集团持续尝试通过技术创新改变传统汽车消费流程和体验，旗下包括瓜子二手车、毛豆新车、瓜子养车等多条业务线，基于AI+结合实现交易流程的变革，打破汽车行业的不透明性不确定性，将汽车检测、定价、推荐、流转等流程全部智能化，实现互联网+传统行业的产业升级。在业务在线化的过程中，以NLP方向为核心的对话机器人成为连接人和企业的桥梁，是车好多生态服务的一个重要入口和出口。

瓜子智能团队从0到1研发了一套对话机器人平台，结合了模版、搜索、深度学习等多种技术实现意图的精准识别，并通过知识库系统实现对话的灵活定制和效果保障。

，对话机器人最核心的能力，就是不管你说什么，它总能理解其意图，或者总能对问题进行很好的结构化。意图的理解起来先后有四种技术关键词、模版、搜索、深度学习。对比4种技术关键词是比较久的技术，准确率和泛化能力都有问题；模版技术准确率高，泛化能力弱；搜索技术业务适应能力强，很适合新业务的快速支持，但准确率受限于语义相似度的计算；深度学习技术指的是利用深度学习进行意图的分类，准确率高，但对数据要求高。瓜子对话机器人在实践中结合了几种技术，充分利用各自的优势、互相弥补各自的不足。

识别了意图，接下来就是如何做出回答。在瓜子的场景里，要求回答是确定的。所以如何回答就变成了意图和回答的对应方式。三种不同意图识别，有三种不同的对应方式。回答可以是文本，也可以是服务，可以是单轮问答，也可以是多轮对话。

多轮是一个更偏工程的过程。里面更多的算法是在做槽位解析，需要做好三件事，是填槽，如果对话过程中槽位未补全，在下轮对话过程中引导用户补全槽位信息。是场景管理，需要维护海量用户的聊天信息。一点是可配置，多轮面都是一个业务问题，开发一个可配置的界面，让运营自行配置其需要的对话。多轮的逻辑是在知识库里配置的，DM是和业务无关的，只需要按配置的解析结果执行即可。

按照上面设计还是会出现风险，归纳起来常见的五个风险有任何算法的选择都只是满足当前的需求，数据是历史数据，算法是当前反馈，业务演化过程不可知；模型互搏，各种模型都要去做A/BTest确定哪种好哪种坏，之前更多的判断是从原理上判断；意图爆炸，目前知识库是基于意图回答一对一关系，业务相对收敛，未来发展速度可能导致意图不可收敛；主观标准的反复，很多过程都由人工参与，每个人评判标准不一；模型更新滞后于业务发展，技术发展较快。解决方案就是永远保持主动，提前应对。

介绍下系统架构前端有一个对话框和消息服务器，类似于IM基本架构，消息服务器会将消息路由到对话管理模块（中控）。用户聊天文本会在中控识别意图和槽位，通过意图在知识库中获取对应的话术。知识库有一个控制台，与外部交互的界面，对话管理也会访问后端云服务，比如通过ip地址获取其属于哪个城市，除还有语义理解、CRM服务等。

目前车好多智能团队已经上线了20款以上机器人，覆盖了在线客服、电话外呼、企业IM多个场景，未来将继续肩负起服务桥梁的作用。用户需要什么服务，企业可以提供什么服务，用户对服务是否满意等，对话机器人将成为服务闭环中的关键一环。