金秋十月，碩果累累。10月15日-17日，由中國計算機學會主辦、自然語言處理專業(yè)委員會承辦的第十屆CCF自然語言處理與中文計算國際會議(NLPCC2021)在青島召開。
思必馳副總裁/智能服務事業(yè)部總經(jīng)理初敏博士出席會議，并做了《場景驅動的創(chuàng)新-通過話語分析和培訓機器人對銷售過程進行建模和改進》主題演講。思必馳語言與知識團隊的論文《基于向量投影距離和抽象三角條件隨機場機制的少樣本自然語言理解》被NLPCC2021學術大會收錄并做口頭報告。
思必馳團隊論文再登學術舞臺
在現(xiàn)實生活中，NLP(自然語言處理)主要用于詞法分析、句法分析、實體和關系挖掘、文本摘要、情感分析、主題提取、機器翻譯、自動問答、語言建模和我們可以想到的所有與語言相關的任務。NLU(自然語言理解)被認為是NLP的一個子方向，主要側重于語義理解:讓計算機理解文本的真正含義[1]。
數(shù)據(jù)稀缺問題是自然語言理解(NLU)里的一個重要挑戰(zhàn)，尤其是對于一些新的目標領域。少樣本NLU技術可以在源領域中訓練NLU模型而直接(不需要微調)將模型應用到任意目標領域，因此少樣本NLU對于緩解數(shù)據(jù)稀缺問題至關重要。《基于向量投影距離和抽象三角條件隨機場機制的少樣本自然語言理解》一文，為這一難題提供了新的解決方向。
“在本文，我們?yōu)樯贅颖綨LU提出了向量投影距離和抽象三角條件隨機場，用于提升原型網(wǎng)絡的性能。向量投影距離利用了上下文詞向量在標簽向量上的投影映射作為‘詞-標簽’相似度，其等價于一個歸一化的現(xiàn)象模型。抽象三角條件隨機場則為意圖分類和語義槽解析的聯(lián)合任務學習領域不可知的標簽轉移參數(shù)。廣泛的實驗表明我們提出的方法可以顯著性由于強基線系統(tǒng)。特別是，我們的方法在不利用目標領域微調的限制下于兩個中文和英文評測基準(Few-Joint和SNIPS)上取得了最好的性能水平。”
服務數(shù)字化助力企業(yè)提質增效
隨著時代的發(fā)展，AI滲透各行各業(yè)，被用以輔助提高工作效率。
初敏博士在《場景驅動的創(chuàng)新-通過話語分析和培訓機器人對銷售過程進行建模和改進》主題演講中表示，像汽車、住宅類消費品價格不菲，對此類企業(yè)而言，其往往要花費大量的廣告宣傳費用，獲客成本較高。然而，目前數(shù)字化營銷管理主要集中在線上環(huán)節(jié)，對營銷轉化非常關鍵的線下銷售服務過程，尚缺乏數(shù)字化掌控手段。銷售過程是否友好?是否專業(yè)?是否及時準確地理解了客戶的需求?這些都不得而知。
就此，思必馳創(chuàng)建了一個能夠將面對面的銷售過程數(shù)字化的解決方案。通過提取銷售過程的場景、話題、賣點和用語等關鍵信息并進行NLP分析，創(chuàng)建可用于培訓的機器人，完成對銷售過程的自動化、智能化指導與分析，并成功在多個客戶的試點門店部署實施。
最后，初敏博士表示，AI技術的應用落地任重而道遠。思必馳雖然完成了數(shù)據(jù)閉環(huán)方案并在全國數(shù)百個試點門店部署，但在探索中發(fā)現(xiàn)了很多未知的挑戰(zhàn)。思必馳誠摯地向與會的各位學者與同學們發(fā)出邀請，期待大家的加入，也期待能夠同大家在NLP領域里開展廣泛的合作。
參考文獻：
[1] Sciforce 《NLP vs. NLU: from Understanding a Language to Its Processing》AI 研習社
https://blog.csdn.net/qq_42793029/article/details/90700529
