聊天机器人在很大程度上主导了企业的人工智能对话。这激发了人们对实现这一目标的技术的兴趣:自然语言处理,或NLP。但是NLP不限于聊天机器人和涵盖范围广泛的,可以在多种应用中使用AI功能。
在这篇文章中,我们给自然语言处理的企业领导人的概述,避免了技术在可能有利于真实世界的例子和使用情况的行业。我们还强调三个AI供应商的案例研究,揭示了NLP的使用银行,贷款和营销。
什么是自然语言处理?
自然语言处理是一切与人类语言有关的事情。如果你有一个系统需要识别人类写了什么,那就是NLP。如果你有一个系统试图理解一个人用他或她的声音说了什么,那也是NLP。如果你想有一个系统的发言,并做一些语音合成,这是NLP为好。
如果你想有一个系统的了解鸣叫背后的情绪,这是NLP为好。如果你想垃圾邮件和垃圾邮件没有之间的电子邮件进行分类,这也是NLP。
小号Ø这是关系到具有机器都不懂的东西或与人类语言的东西,将是NLP的“定义”。-德国桑奇斯Trilles博士
自然语言处理是一个广义的概念,它包括许多不同的技术,让计算机理解人类语言和文本。在过去,一些技术参与规则为基础的统计制度和后,机器学习。
NLP可以用来分析不同类型从不同的上下文语音和文本数据中的繁多。例如,它可以用来分析或者从法律合同抄写呼入客户服务电话或帮助提取相关条款的录音。
在类型和数据输入到NLP算法的背景和建设的NLP系统的不同目标的不同是什么使不同的技术需要。
NLP技术涉及的技术,如标记化,解析,标记部分的词性,识别句子情绪或语义关系,等等。
NLP系统分解句子分解成更小的部分,确定哪些种类的单词或短语的每个段可能是什么这些细分市场之间的关系,即产生整体的意义。
基于nlp的系统可能授予业务的一些功能包括:
- NLP(分类):NLP可以用来进行分类的文本,创建文档的摘要,允许索引和搜索或寻找在文本或语音庞大的数据量重复的内容。
- NLP(主题标识):NLP能够识别潜在的文本庞大的数据卷中的意义和较大的主题。
- NLP(提取和抽象):NLP也可以用于从长文本文件拉出相关段落,甚至创建仅包含最相关的段落文档的摘要版本。
- NLP(信息检索):NLP可以用来或搜索数字文本中的具体信息。
- NLP(意向解析):NLP可以识别人类语言中的上下文。聊天机器人必然涉及NLP的意图分析,因为他们对付承认的意图文本数据中,以及响应客户的文本。从本质上讲,NLP软件需要“学习”适当的文本响应文本接收。
- NLP(情感分析):NLP能够确定的基调和推断的意见(正或负)以文本形式的人类语言背后。
- NLP(语音/语音识别):NLP可以将自然语言人类语言到书面文字,反之亦然。
- NLP(机器翻译):NLP可以用来从一种语言到另一种自动翻译文本或语音数据。
在所有这些应用程序的总体目标是将原始人类的语音或文本数据,并使用人工智能和机器学习,以提取的见解或在一定程度上使得它更有价值的增值数据。
如何自然语言处理厂
为了培养一个NLP算法来理解人类的语言和文字,算法需要与成千上万的标记音频或文本样本的输入。
例如,一个电子商务公司可能希望建立一个聊天机器人,可以处理客户退款。该公司将需要培训数十万,涉及退款请求客户支持查询的聊天机器人。它然后将这些标签作为电子邮件“退款申请”。
标记的文本数据会再通过软件的自然语言处理算法来运行,这将算法训练搞清楚“退款申请”电子邮件,本质上,使之成为退款要求的方面。
也许这是显而易见的:单词“退款”,或也许是单词或标点符号的某些字符串。并不是每一个“退款申请”将包括单词“退款”;客户可能会要求他们的“退钱”,或者他们可能会问一个未知的收费对他们的帐户,之后回足够的往复使用的药剂,退款几乎总是结束。
如果该算法对各种不同的“退款申请”邮件的培训,这样就能确定是否进入的消息实际上退款请求,即使客户的信息是那么简单。
顾客可随后消息聊天机器人,和NLP算法将能够向客户发送预先编写的模板。
该业务也可能会设置为聊天机器人算法的置信区间,因此如果该算法是唯一的,也就是说,80%肯定它接收到的消息是退款要求,它可以替代路线的客户的信息给客户支持代理。
意向解析(会话接口)
供应商聚焦:Nuance公司
AI厂商Nuance提供,公司宣称用NLP帮助客户虚拟助理改善其客户服务业务。Nuance提供,尼娜,他们声称可以帮助客户进行业务服务的虚拟助理。
在银行,例如,尼娜能提供客户帐户余额。当助手是无法帮助客户或者当问题比较复杂,龚如心将客户重定向到一个人的客户服务代理。
下图为视频尼娜是如何工作的:
Nuance公司声称已经集成尼娜与瑞典银行的客户服务系统。按照案例分析Nuance公司称,尼娜帮助瑞典银行确保了大部分客户的查询都可以通过聊天机器人等数字渠道进行处理。
该公司称,这给了银行的呼叫中心代理更多的时间专注于销售和向客户推荐更多的产品。
尼娜被集成到瑞典银行主页,用户可以直接输入文本框的问题,并得到了基本的事务性问题的答案。
例如,如果一个客户说他们需要一个新的自动取款机卡,因为他们失去了他们的旧人,无论是龚如心的客户重定向到相关的网页或询问后续问题,如客户是否要阻止他们的旧卡。
尼娜使用NLP了解客户的问题,并从数据库中检索或重定向客户正确的网页或人工代理相关的答案。
按照案例分析,整合之前,瑞典银行的客户群的58%是银行的数字,如通过瑞典银行的手机银行。
该银行的700个呼叫中心坐席进行处理,每年360万间客户的互动,其中包括超过两个百万的基本事务查询50万个电子邮件,10000个社交媒体互动。
案例研究声称,处理龚如心每月超过30,000交谈了78%“第一次接触的决议”,其前三个月的部署中。
关于这些谈话的55%,没有要求客户采取进一步行动,比如呼叫联络中心。根据该案例研究,尼娜现在可以处理350个客户的问题和答案。
根据Nuance的,可口可乐还部署尼娜对他们我的可乐奖励和向可口可乐页。分别尼娜据称有15000个30000谈话一个月在这些网页上。Nuance公司还声称,可口可乐看到了语音通话减少了40%,整合后,龚如心。
信息检索
厂商关注的焦点:LenddoEFL
LenddoEFL是一家新加坡的公司,它提供一种名为LenddoScore产品,他们声称可以帮助银行和金融机构使用NLP评估一个人的信用。
该LenddoScore允许金融公司提供贷款,以个人客户或中小型企业在发展中国家的信用记录可能不容易获得的所有客户。
他们所使用的自然语言处理公司索赔分析和提取进入从客户的数字足迹产生LenddoScore有用的信息。客户需要下载在智能手机上的Lenddo NFL的应用程序,以利用任何贷款。
一旦应用程序已经安装,用户可以授予权限,以允许软件来梳理自己的数字足迹包括社交媒体信息,浏览历史,购物历史记录,位置数据等。
该公司声称,他们已经开发了一个模型,使用NLP提取所有这些信息,并确定它们如何与导致Lenddo评分的信誉相关。
然后,应用程序共享这个信用评分与有捆绑Lenddo FL潜在扩大的客户群,同时减少与谁几乎没有任何信用记录的新客户相关的风险信用社和其他贷款人。
下面是一个短短的3分钟视频片段LenddoEFL是如何工作的:
LenddoEFL声称他们与FICO合作开发的FICO评分。FICO是使用在像印度这样的国家的得分帮助提供贷款,谁没有信用记录的客户。
情感分析
IBM厂商关注的焦点:
IBM一个叫音仪产品,它采用基于自然语言处理,情感分析称在市场运营,帮助企业。该信号音分析器,是可以以这样的方式,该软件可以分析客户反馈的数据集成到业务系统软件。
例如,该软件可以连接到一个企业的社交媒体页面,客户上传他们的意见或顾客服务调查页面。
IBM声称其产品采用了沃森的情感分析能力,以了解哪些客户的反馈很可能是正面,负面或中性。该软件的培训对现有客户的反馈和社交媒体帖子标记数据集进行分类的客户体验各种品牌。
该公司声称,音分析仪采用基于自然语言处理,情感分析,以确定哪些标签应与客户报表相关。
该软件还可以用来问哪个产品的客户都在谈论最多,是否这些讨论中的数据的其他问题,如识别顶级客户的问题或确定为正或负的总。
该软件还可以列出内新客户的评论或社交媒体帖子的主题和基调。
IBM声称已经帮助营销公司有影响力的了解他们的数字影响力的社交媒体。按照案例分析,影响使用中的音调分析仪的输入有关某些品牌影响力的社交媒体文章。
IBM声称,该软件是能够判断一个数字影响者的社会媒体的存在是否与他们的广告上从社交媒体帖子影响力的个性的47个不同特性的基础品牌的情感取向。
未来:自然语言理解
我们认为,在未来五年内,在NLP使用情况可能演变的方向将是自然语言理解(NLU)。NLU是描述有它分析了概念更为深远的“理解”自然语言处理系统的术语。
NLU超越语言的结构的理解来解释的意图,决心背景和文字歧义,甚至产生对自己形成良好的人类语言。这是解决一个困难的问题,因为这意味着开发NLP系统,其功能以及人类,即使是在新的形势。
标题图片来源:基姆·科曼多显示