摘要：电网问题诉求处理采用传统呼叫模式：电话坐席受理问题处理坐席回访为主，面临问题诉求量逐年大幅增长，人工坐席数不断增加，维护成本高，业务培训成本高，提升客户满意度指标压力大等诸多问题，传统呼叫模式已经不能满足日益增长的客服需求。而通过文本或者语音等方式交互的智能客服问答机器人与传统呼叫模式的整合，有效地降低客服话务量，从而降低客户服务成本，提升客户服务满意度。
关键词：大数据；人工智能；智能客服；融合应用
引言
针对传统呼叫模式带来坐席成本及工作压力剧增，我们将创建一个新呼叫模式将人工坐席和在线智能问答机器人相结合：智能问答机器人负责回答简单问题，而人工坐席解答需要与后台数据交互的问题。我们通过大数据分析将历年的问答数据进行分析形成知识库图谱，通过知识推理技术自动回复用户提问。如果你的问题无法快速定位到答案，系统自动转接人工坐席。总之，当人工坐席全忙情况，智能问答机器人一直在线，这样可以解放人力资源和提供优质服务。
1智能客服介绍
智能客服是在知识谱图技术及自然语言技术不断完善基础上发展起来一种行业应用，主要对知识管理、自然语言理解、知识推理、自动问答、知识推理等等技术应用，智能客服不仅为企业提供解决方案快速定位，还为企业与用户之间提供自助交流的渠道；同时还能够为企业提供对用户需求及行为分析的数据来源。智能客服系统通过智能问答机器人运用AIML及知识推理相关技术，引导用户问答精准定位用户需求从而给出准确解决方案。同时对用户线上数据进行统计分析，通过数据挖掘技术对用户需求及行为进行数据挖掘。智能问答机器人最主要的价值体现在：数据预处理，通过智能引导找到用户真实需求，减少工单坐席话务沟通频率；知识点自动匹配，并自动生成知识问答模型。当然，智能客服是作为人工坐席一种辅助，人工坐席处理些复杂个性化问题，智能客服处理一些简单问题。
2呼叫系统中的人工智能应用
2.1智能语音导航
目前电力呼叫中心语音服务器的导航重复、繁琐、效率低下，客户急需解决的问题却需要通过一层一层的按键来实现，无法满足现在日益发展的客户需求。智能导航系统，通过语音合成、语音识别、语义理解技术接入企业第三方的业务系统，通过对电话呼入的客户语音信息转化文本并准确理解其需求，直接将语音菜单导航到客户业务所需的地方，从而简化来电客户与系统的“交流方式”，告别繁琐的按键查询，缩短客户等待时间，实现“菜单扁平化”，提高客户体验。
2.2私密信息声纹识别
客户服务过程中，一个重要的环节就是用户身份识别，对于一些核心数据作业需要对身份确认后才能够进行后续操作。在传统热线客服过程中，都是线下写申请签字盖章后才能够进一步操作。随着声纹识别和图像识别技术的日趋成熟，很多企业通过声纹识别方式进行身份认证。声纹识别的过程是通过对声音进行特征抽样，形成数字化的向量，这些向量与训练好的声纹模型进行比对，从而实现身份确认。目前声纹识别技术作为身份识别最主要技术之一，已经被广泛应用于企业，即降低安全作业风险，又可以提高客户服务工作效率。
3智能客服关键技术
3.1智能语音技术
智能语音技术的成熟与应用是“能听会说”的人机交互的基础。
期刊文章分类查询,尽在期刊图书馆1997年，以IBM推出ViaVoice为重要标志，智能语音技术由研究逐步走向产业化，智能语音产品开始进入呼叫中心、家电、汽车等领域；2010年，以苹果Siri的发布为引爆点，智能语音应用领域由传统行业开始向移动互联网等新兴领域延伸。我国智能语音产业基本与国际同步，中文智能语音技术已经接近国际先进水平。随着科大讯飞、中科信利等智能语音企业的相继成立与发展，以语音识别、语音合成为代表的智能语音技术不断突破，产品的可用性不断提升，我国智能语音产业实现快速发展。智能语音技术的一个关键方向是自动语音识别(ASR,AutomaticSpeechRecognition)，其目标是将人类的语音词汇转换为计算机可读的输入，例如按键、二进制编码或字符序列。语音识别包括训练过程和识别过程。训练过程即通过样本数据训练声学模型(AM，AcousticModel)和语言模型(LM，LanguageModel)；识别过程即通过声学模型和语言模型将训练集外的语音数据识别成文字。语音识别系统本质上属于多维模式识别系统，主要由特征提取、模型训练和识别等模块组成。首先需要构建声学模型和语言模型并加以训练，对输入语言信号预处理和特征提取，利用声学模型将语音的声学特征对应到音素，使用语言模型在字典的辅助下将字词解码成一个完整的句子，字典则是字词和音素之间的映射。如果想进一步了解前言的语音识别技术及语音识别的发展历程，可以参见文献。智能语音技术的另外一个方向是语音合成(TTS,TextToSpeech)，解决的主要问题是将文字信息转化为声音信息，在智能语音控制器作用下，使文本输出的语音音律流畅，听者在听取信息时感觉自然。语音合成技术涉及声学、语言学、数字信号处理、计算机科学等学科，其功能模块可分为文本分析、韵律控制、语音合成三大模块。语音的自然度取决于发音声调的变化，而在连续语音流中，字的发音不仅与这个字本身的发音有关，而且受到前后相邻字的发音以及语气表达的影响。因此，在整个语音合成系统中必须先对文本进行分析，根据上下文的关系来确定每个字发音的韵律特征，再依据韵律特征参数来控制语音合成，使其发出流畅清晰的语音。
3.2自然语言处理
自然语言处理(NLP,NaturalLanguageProcessing)研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是人工智能中最困难的问题之一。实现人机间的自然语言通信，意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等。前者称为自然语言理解，后者称为自然语言生成。因此，自然语言处理大体包括自然语言理解和自然语言生成两个部分。无论实现自然语言理解还是自然语言生成，都是十分困难的。从现有的理论和技术看，通用的、高质量的自然语言处理系统仍然是较长期的努力目标，但是针对一定应用，具有相当自然语言处理能力的实用系统已经出现，有些已商品化，甚至推出了使用平台。典型代表有IBM的Watson、微软的LUIS、亚马逊的AmazonLex、百度的AI平台、阿里巴巴的AliNLP平台等。自然语言处理的应用场景包括句法语义分析、信息抽取、文本挖掘、机器翻译、信息检索等，对智能客服而言，更感兴趣的是问答系统和对话系统。
结语
基于大数据与人工智能的融合应用既有效利用了大数据计算能力和海量数据，又有效利用了人工智能的丰富模型和算法，可实现切实有效的业务提升，为营销业务管理提供帮助。大数据和智能客服系统融合应用可实现快速有效的标准化服务，满足公司对于一线员工“一专多能”的要求，是全面推广“全能型”乡镇供电所，实现电力营业厅服务一次到位的有效解决手段。大数据与智能客服系统的融合应用实例对电力其他业务及其他行业都有一定的参考和借鉴意义。
参考文献
[1]李枫，徐滔.智能语音交互技术在呼叫中心中的应用.2016电力行业信息化年会论文集，北京:人民邮电出版社，2016.
[2]刘振亚．智能电网技术［M］．北京：中国电力出版社，2010：50．
[3]蔡自兴，徐光．人工智能及其应用[M].3版．北京：清华大学出版社，2002．
[4]徐理军．基于语义的智能客户服务系统的研究与设计[D].扬州：扬州大学，2012．
[5]孟祥君，季知祥，杨祎．智能电网大数据平台及其关键技术研究［J］．供用电．2015，32（8）：20-25．
论文作者:李振
论文发表刊物:《电力设备》2019年第6期
论文发表时间:2019/7/9
标签：智能论文; 自然语言论文; 语音论文; 客服论文; 坐席论文; 技术论文; 数据论文; 《电力设备》2019年第6期论文;