面向大中型企業(yè)的私有部署智能問答交互產(chǎn)品。是一款更懂你的機器人！

　　小富的設(shè)計融合各個行業(yè)領(lǐng)域的需求推出分場景設(shè)計，對相同場景的業(yè)務提供多樣化的支撐，提供多樣化的知識加工。

　　大中型企業(yè)，政府的知識條目都很復雜，小富機器人有很強大的業(yè)務類目與知識加工功能，能幫助客戶快速的加工知識，-因此小富是大中型企業(yè)客戶的理想工具

　　目前隨著業(yè)務的飛速發(fā)展，每家企業(yè)都可能有著自己很多業(yè)務類型。所以要求機器人也得具備面向不同業(yè)務類型提供服務。

　　市場現(xiàn)在對于多種業(yè)務場景這種實現(xiàn)目前的解決方案只能是通過問答的答案或者在添加知識動作以進行實現(xiàn)。這一類解決方案在實施方面靈活性太小，在用戶會話的時候體驗感也是非常不好。給人以死板的感覺。

　　而且在很多時候，企業(yè)拿到手的文檔并不是結(jié)構(gòu)化的知識條目，而是word，excel等非結(jié)構(gòu)化的文檔。

　　因此結(jié)合以上的行業(yè)普遍痛點，小富機器人用戶多場景，整體性業(yè)務建模，不僅在知識加工方面滿足多種業(yè)務需求，以及碎片化知識加工。而且在用戶端支持多輪會話。為企業(yè)智造無限潛能。

　　分場景交互設(shè)計--

　　不同場景的交互方式不同

　　針對不同業(yè)務類型（客服、營銷、外呼等），進行語義本體業(yè)務模型及整體系統(tǒng)的區(qū)分設(shè)計。在前臺的聊天頁面中用戶可以從聊天氣泡，知識新增等感受到每個場景的不同。用戶甚至可以將這幾個場景搭配使用，使得機器人可以靈活自如應對不同業(yè)務類型下不同的交互需求。

　　客服場景是業(yè)內(nèi)用途最廣的場景，滿足售前，售后等咨詢業(yè)務。例如：信用卡辦理的咨詢，辦理保險的咨詢�？头�場景幾乎涵蓋了企業(yè)客戶70%以上的場景。

　　客服場景的中的知識類型也是最廣的，包含有FAQ知識、概念知識、要素知識、列表知識等

　　傳統(tǒng)的一問一答式的添加方式，用戶只需要填寫標準問，擴展問以及知識內(nèi)容即可完成添加知識。滿足用戶快速加工知識的需求，方便快捷。

　　在傳統(tǒng)FAQ知識上面做了顛覆性改變。概念知識的新增不依賴于擴展問，而是概念擴展。系統(tǒng)在用戶寫的擴展問基礎(chǔ)上進行語意刻畫，生成概念擴展。每個概念擴展是有多個概念類組成，每一個概念類可以代表多個概念。因此生成的概念擴展等同于多個擴展問。

　　要素型知識用于一條知識包含多個要素的情況。譬如：一條保險知識是需要多個要素組成的-投保人、地區(qū)、金額、期限。這類的答案知識答案形式為要素表現(xiàn)形式大多為表格，所以又稱為表格知識。

　　要素型知識的交互方式主要為對輪文本型。

　　對于知識中包含有許多集合詞，例如海關(guān)禁運的20種物品，銀行營業(yè)25個網(wǎng)點，這類知識可以采用列表型知識解決。

　　添加列表型知識的時候，用戶方只需要在知識內(nèi)，將這一類集和概念的概念類名添加進去即可。那么集合概念里面所有的概念均視為添加進該條知識內(nèi)。列表型的交互方式為被動文本型。如下圖所示：

圖-列表型知識聊天場景示意

　　外呼場景我們稱之它為：能主動聯(lián)系用戶的場景。

　　一般來說智能客服都是接受被動的信息，只有用戶主動問它，它才能回答。而外呼場景突破了之前客服只能依靠被動問答的限定。通過外接CRM系統(tǒng)對接渠道可以實現(xiàn)主動聯(lián)系用戶，并且根據(jù)用戶的回答進行語義理解交互。

　　外呼場景一般應用于信用卡催繳等需要主動聯(lián)系客戶的場景，其知識類型為矩陣型知識，

　　矩陣型知識：每一個狀態(tài)都是一個用戶自行義的狀態(tài)，有起始狀態(tài)，中間狀態(tài)，結(jié)束狀態(tài)。填寫完矩陣之后就系統(tǒng)會自動生成狀態(tài)轉(zhuǎn)移矩陣。用戶這時候需要填寫狀態(tài)之間轉(zhuǎn)移的條件（接聽電話者所說的話術(shù)）即可。在實際應用過程中機器人就會根據(jù)語義理解判斷下一個狀態(tài)是什么，從而進行問答。

　　下圖為外呼場景對接文本聊天實際問答示意圖：

圖-主動外呼聊天場景示意

　　個人助理想把相當于一個應用平臺，將很多的不同應用集成到這個平臺上面，用戶可以通過控制開關(guān)來選擇啟用或者禁用的某些功能。目前我們所想到的是在個人助理場景內(nèi)，可以添加個人畫像，天氣應用，笑話應用，古詩詞等。我們可以擴展應用的數(shù)量，或者針對某一個應用深入開發(fā)。

圖-天氣助理應用示意

　　在建立知識之前首先要對整個業(yè)務領(lǐng)域進行整體建模。機器人的建模主要是從業(yè)務角度的領(lǐng)域?qū)Ω拍顦I(yè)務框架進行配置和管理。達到節(jié)省人工以及快速完成知識加工的功能。

　　傳統(tǒng)業(yè)務分類純粹為了知識的管理進行的分類，體現(xiàn)不出多種業(yè)務結(jié)構(gòu)關(guān)系。無法被用于算法的運算，比較死板。而BOT是為算法、聊天消歧以及業(yè)務管理而設(shè)計。

　　一般BOT對應著一棵樹，樹中的節(jié)點體現(xiàn)了領(lǐng)域概念間的層次結(jié)構(gòu)關(guān)系。首先列出用戶所在領(lǐng)域綜合性、概括性的概念作為根類，再逐步在每個根類下進行細化和說明。

圖-BOT示意—信用卡業(yè)務可以有四種展開形式

　　業(yè)務框架是某一領(lǐng)域中常見業(yè)務知識項的通用骨架（含通用業(yè)務要素及通用語義表達概念）。業(yè)務框架存在于BOT的節(jié)點上面。用戶在新增知識的時候可以復用業(yè)務框架，來加速完成知識的加工，省時且易于保證一致標準。

　　概念是知識所需要的最小原子。用戶可以在概念庫中對概念進行增刪改查以及
權(quán)重的調(diào)整。

　　目前我們支持8大概念庫可供用戶管理。

圖-小富系統(tǒng)包含的概念

　　更加擬人的多輪會話

　　在會話中用戶的會話經(jīng)常帶有歧義，模糊的內(nèi)容。小富機器人可以根據(jù)用戶的內(nèi)容，進行反問，達到消歧的目的。目前用戶在實際問答中的模糊種類大概分為三類：

　　1、業(yè)務類模糊

　　2、主題省略

　　3、要素不明確

　　正常問答中，用戶提的問題大多比較具體，直接命中或者可以通過語義理解間接命中某個業(yè)務類。

　　但是，有些時候用戶的提問非常模糊，包含多種業(yè)務類。例如：我要辦卡、我要掛失等等…。

　　正常會話中，用戶會在提問中將每個問題的主題詞帶上，例如：信用卡怎么辦，信用卡年費多少，信用卡怎么掛失等，信用卡是主要的主題詞。有些情況，用戶直接問完帶有主題詞的當用戶的提問中省略了之前會話的主題詞。

　　遇到這種問題，小富機器人會根據(jù)會畫的內(nèi)容，自動提取出主題詞，并且推出答案。

圖-主題省略場景

　　有些知識中包含多個要素，需要這幾個要素全部明確之后才能推出真正的答案。

　　例如：辦理保險。保險可以分為被投保人，地區(qū)，預算金額等要素。根據(jù)要素的不同，對應的險種也不同。

　　小富機器人遇到這種問題，會針對該問題用戶所確實的要素進行反問，待用戶明確全部要素的時候，推出答案。
　　目前，非結(jié)構(gòu)化支持的文檔格式有word、PDF。未來，我們將支持多種非結(jié)構(gòu)化的知識加工。

　　軟件技術(shù)：

　　1、人工智能技術(shù)，包含深度學習、NLP、NLU等

　　2、SAAS微服務技術(shù)，提供私有化機器人平臺方案

　　3、容器化技術(shù)，支持docker等容器部署

　　4、高可用技術(shù)，支持7*24小時服務，無單點故障