本文章高度概述了自动回复或对话智能机器人如何处理您的内容,以便在人工智能专员功能(例如包含文章的自动回复和基于智能分类的自动回复)中推荐文章或显示帮助中心内容。
本文章包含以下主题:
如何处理自然语言?
智能机器人使用人工智能来评估文章,即它可以模仿人类行为。智能机器人使用自然语言处理 (NLP) 来阅读帮助中心的每篇文章,并理解每篇文章背后的主要概念。然后,它从所有文章中提取所有概念,并将它们放置在地图上。每个概念在地图上都有其自己的“地址”,并与其他类似概念距离很近。然而,这个地址有 500 个部分,而不仅仅是城市、街道和邮政编码。每当出现新问题时,智能机器人都会尽力理解问题所涉及的概念,并使用地图来确定最接近的现有文章。
例如,以下是可能从几个问题中提取的概念:
问题 | 可能的概念 |
---|---|
如何将工单转储到文件中? | 导出数据 |
我的帐户被锁定 | 帐户访问/密码重置 |
如何创建起重机? | 折叠折纸鸟 |
如何选择文章进行推荐?
当新到的问题与现有文章紧密匹配时,它们将成为地图上的“邻居”(如上所述),显然智能机器人会推荐该文章。然而,当最接近的匹配项距离几条街道或在附近的街区时,这些概念之间的相关性就变得不太确定了。
Zendesk 的数据科学团队会对此进行仔细监测,并通过调整“阈值旋钮”逐渐对此进行微调。此阈值不可由管理员或专员调整,仅供 Zendesk 开发团队访问。阈值旋钮是一个全局控件,会影响所有帐户。它用于确定两个概念在概念图中必须有多接近才会被视为相似概念。
如果调高阈值旋钮,智能机器人会变得更加保守,并会推荐更少的与问题相关的文章。然后,这也意味着会有更多问题没有推荐文章或帮助中心内容。如果调低阈值旋钮,会有更多文章被引用,但更有可能的是,一些文章对终端用户无关紧要。
常见误解
一些常见的误解可能导致混淆。在本节中,我们将消除这些误解,希望能澄清一些问题。
智能机器人是否根据终端用户反馈进行学习?这不正是机器学习的用武之地吗?
尽管智能机器人由机器学习模型提供技术支持,但这并不意味着智能机器人会不断学习。该模型不会整合来自终端用户或专员的实时反馈。因此,反馈不会影响推荐哪些文章。
终端用户反馈可通过多种方式获取和使用:
- 它向专员显示,提供关于哪些文章已查看、标为“没有帮助”或用于解决个案的更多背景信息
- 它显示在报告中,供管理员跟踪性能
- 它由 Zendesk 数据科学团队进行评估
如果您看到反复推荐错误的文章,最好修改文章的标题和前 75 个字,使主要概念更加清晰。您还可以使用标签创建一个文章列表,从中提取文章,以便推荐来自文章的子集。
人工智能驱动搜索总是优于关键字搜索?
总体而言,人工智能驱动的文章推荐比关键字搜索更准确、更相关,尤其是问题以完整的句子(而不是一到三个词)提出时。
是否可以通过询问相同的问题,然后一遍一遍地回复,并回答“是”或“否”来将文章标为相关或不相关来“训练”智能机器人?
不可以。无论专员或终端用户提供什么反馈,智能机器人都会始终如一地推荐相同的文章。智能机器人是专门构建的,无需任何训练即可开始使用。它已经预先训练用于理解自然语言。如果您测试了一个短语或问题,然后智能机器人推荐了错误的文章,最好的办法是修改文章标题和前 75 个字,使主要概念更加清晰。
在文章中添加标签,是否就像在文章中添加关键字一样?这样做是否可以提高文章的推荐频率?
标签是创建已批准文章列表并从中提取内容的好方法,但它不会影响每篇文章的权重。请参阅在自动回复触发器中使用标签。