带你读《达摩院智能客服知识运营白皮书》——3.3.3 知识提炼:高频知识的提炼方法

简介: 带你读《达摩院智能客服知识运营白皮书》——3.3.3 知识提炼:高频知识的提炼方法

3.3.3 知识提炼:高频知识的提炼方法


基于已选定的知识范围和候选提炼高频知识时,需要综合考虑业务实际情况和历史知识频次,智能客服大多基于传统客服系统构建而来,传统客服系统的历史知识、历史咨询、历史日志均为可进行频次统计的高质量数据源,提炼高频知识既需要基于历史频次来提炼,也需要基于业务需求范围来提炼,本质上是二者的交叉,在业务框架下寻求最高频次的知识范围,提炼出既契合业务需求,也能够高效完成服务的知识。


当然,也不排除一种特殊情况,原先没有服务渠道,不存在任何历史服务数据的情景下,又如何来提取重要知识?


这种情景下,我们一般建议由业务专家们商议出最重要最可能被问到的内容;可以从几点出发思考做提炼:


1)平台希望传递和被客户快速获取到的信息是什么?

2)从业务视角反观客户,他们最在意的模块和内容是哪些?

3)到同行的服务渠道做体验,了解别人的业务覆盖面和内容是什么,做参考。


通过以上几方面的思考,先梳理一版初步的知识,等上线开放小流量后,即可通过日志等方式,慢慢补充客户所关注的知识要点。


步骤如下:

image.png

相关文章
|
算法 索引
m扩展索引OFDM(Spread-OFDM-IM)matlab仿真,信号检测对比ZF,MMSE,ML等方法
m扩展索引OFDM(Spread-OFDM-IM)matlab仿真,信号检测对比ZF,MMSE,ML等方法
228 0
|
自然语言处理 达摩院
带你读《达摩院智能客服知识运营白皮书》——1.2.1 事实性知识
带你读《达摩院智能客服知识运营白皮书》——1.2.1 事实性知识
126 0
带你读《达摩院智能客服知识运营白皮书》——1.2.1 事实性知识
|
人工智能 自然语言处理 达摩院
带你读《达摩院智能客服知识运营白皮书》——概述
带你读《达摩院智能客服知识运营白皮书》——概述
228 0
|
自然语言处理 达摩院
带你读《达摩院智能客服知识运营白皮书》——1.1 布卢姆分类法
带你读《达摩院智能客服知识运营白皮书》——1.1 布卢姆分类法
135 0
|
自然语言处理 达摩院 知识图谱
带你读《达摩院智能客服知识运营白皮书》——1.2.2 概念性知识
带你读《达摩院智能客服知识运营白皮书》——1.2.2 概念性知识
128 0
|
自然语言处理 达摩院
带你读《达摩院智能客服知识运营白皮书》——1.2.3 程序性知识
带你读《达摩院智能客服知识运营白皮书》——1.2.3 程序性知识
98 0
|
人工智能 自然语言处理 达摩院
带你读《达摩院智能客服知识运营白皮书》——2.1 FAQ 问答引擎
带你读《达摩院智能客服知识运营白皮书》——2.1 FAQ 问答引擎
143 0
|
自然语言处理 达摩院
带你读《达摩院智能客服知识运营白皮书》——2.2 任务问答引擎
带你读《达摩院智能客服知识运营白皮书》——2.2 任务问答引擎
113 0
|
1月前
|
存储 自然语言处理 机器人
实战揭秘:当RAG遇上企业客服系统——从案例出发剖析Retrieval-Augmented Generation技术的真实表现与应用局限,带你深入了解背后的技术细节与解决方案
【10月更文挑战第3天】随着自然语言处理技术的进步,结合检索与生成能力的RAG技术被广泛应用于多个领域,通过访问外部知识源提升生成内容的准确性和上下文一致性。本文通过具体案例探讨RAG技术的优势与局限,并提供实用建议。例如,一家初创公司利用LangChain框架搭建基于RAG的聊天机器人,以自动化FAQ系统减轻客服团队工作负担。尽管该系统在处理简单问题时表现出色,但在面对复杂或多步骤问题时存在局限。此外,RAG系统的性能高度依赖于训练数据的质量和范围。因此,企业在采用RAG技术时需综合评估需求和技术局限性,合理规划技术栈,并辅以必要的人工干预和监督机制。
94 3
|
1月前
|
人工智能 自然语言处理 搜索推荐
AI技术在智能客服系统中的应用与挑战
【9月更文挑战第32天】本文将探讨AI技术在智能客服系统中的应用及其面临的挑战。我们将分析AI技术如何改变传统客服模式,提高服务质量和效率,并讨论在实际应用中可能遇到的问题和解决方案。
238 65

热门文章

最新文章