インテリジェントな顧客サービスチャットモジュールの 3 つのソリューションを比較すると、どれが気に入りましたか?

現在のインテリジェント顧客サービス市場とその NLP 分野において、チャットモジュールは非常に重要な研究分野です。現在、業界ではチャットモジュールに関して一般的に次の 3 つのソリューションが存在します。

固定テンプレートに基づく

ビジネスQ&Aの一般的なソリューションはテンプレートベースのQ&Aに基づいていることは誰もが知っています。同様に、テンプレートベースのQ&Aはチャットシステムにも適用できます。この方法の利点は、制御が容易で、少数のテンプレートで複数の質問のニーズを満たすことができることです。欠点は、質問に関係のない質問に答える可能性が比較的高いことです。

コーパスベース

このアプローチは、まず大量のチャットライブラリを収集して整理することです。一般的には、標準的な質問とそれに対応する質問を一般化することを意図しています。質問に対して複数の回答があり、1つの質問と複数の回答に似た効果を形成します。このアプローチの利点は、回答の内容を制御可能であり、予期しない回答がないことです。現在、チャットコーパスアプローチは市場で比較的普及しています。たとえば、金融および保険業界で成功したZhujian RobotとPing An、子供向け分野で成功したBeijing LightyearのTuring Robot、Dogtail GrassのGongzi Xiaobaiはすべてこのアプローチを使用しています。欠点は、回答の内容が非常に限られており、結局のところ、それらはすべて設計されたコーパス内の回答であることです。

生成に基づく

生成的手法は常に NLP 研究の最前線にあります。Microsoft XiaoIce や主要な研究機関が発表した初期のチャットシステムはすべて生成的でした。生成的対話システムの利点は、ディープラーニング/ニューラルネットワークを通じて限られたコーパスに基づいて追加の回答を取得できるため、無から有を生み出す効果が得られることです。欠点は、回答の内容を制御できず、どのような回答が出てくるか誰にも予測できないことです。現在、この方法は研究や実際の「チャット」でのみ使用でき、企業のビジネスでは使用できません。結局のところ、回答の内容を実際に制御できる人は誰もいません。性別や人種差別が発生した場合はどうなるでしょうか?

まとめると、これら 3 つの方法にはそれぞれ利点があります。実際の使用では、ビジネスニーズに応じて対応する機能を採用する必要があります。以下は、3 つのソリューションの比較です。