带你读《达摩院智能客服知识运营白皮书》——3.2 如何进行知识收集?--基于知识来源收集候选知识

简介: 带你读《达摩院智能客服知识运营白皮书》——3.2 如何进行知识收集?--基于知识来源收集候选知识

3.2 如何进行知识收集?--基于知识来源收集候选知识


智能客服的知识往往有不同的知识来源,包括历史日志、历史知识、文档文章、SOP 流程、表格数据等,知识来源往往是多种格式、多种形态、多种渠道。在构建智能客服知识体系时,需要基于知识来源收集候选知识,综合考虑业务覆盖情况、数据格式情况,完成知识候选集的确定。


基于知识来源收集知识的参考流程如下:


image.png

为了更好地指导知识的收集,白皮书枚举部分知识来源的参考样例,具体的知识收集还需要依据业务的实际情况进行进一步判断,样例数据如下:

image.png


完成前期知识收集工作之后,将得到一个知识候选集,但距离构建为智能客服行之有效的知识仍有一段距离,知识源的确定和知识候选集的确定仅提供了一个可处理的知识范围,智能客服的知识运营需要更加精简、贴近业务的知识,接下来将进入进一步的知识提炼过程。

相关文章
|
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
226 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
134 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
|
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。
91 3
|
3月前
|
数据采集 监控 测试技术
大型IM稳定性监测实践:手Q客户端性能防劣化系统的建设之路
本文以iOS端为例,详细分享了手 Q 客户端性能防劣化系统从0到1的构建之路,相信对业界和IM开发者们都有较高的借鉴意义。
129 2
|
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。
226 65
|
13天前
|
人工智能 自然语言处理 搜索推荐
选型攻略 | 智能客服系统该怎么选?(好用的智能客服系统推荐)
智能客服系统的选型需要综合考虑渠道功能、系统性能、客服工作管理、客户管理以及成本效益等因素。目前合力亿捷推出的智能知识库,梳理海量知识,根据不同主题对知识进行分类,使其结构更清晰。
43 0
|
14天前
|
人工智能 自然语言处理 安全
AI技术在智能客服系统中的应用与挑战
【10月更文挑战第28天】本文将深入探讨人工智能(AI)技术在智能客服系统中的应用及其面临的挑战。我们将通过实例分析,了解AI如何改善客户服务体验,提高效率和降低成本。同时,我们也将关注AI在实际应用中可能遇到的问题,如语义理解、情感识别和数据安全等,并提出相应的解决方案。
|
1月前
|
存储 安全 开发工具
百度公共IM系统的Andriod端IM SDK组件架构设计与技术实现
本文主要介绍了百度公共IM系统的Andriod端IM SDK的建设背景、IM SDK主要结构和工作流程以及建设过程遇到的问题和解决方案。
53 3

热门文章

最新文章