“NLPCC于2012年創(chuàng)建,每年舉辦一次,從2014年起成為自然語言處理及中文計(jì)算領(lǐng)域的國際學(xué)術(shù)會(huì)議。NLPCC 2021重點(diǎn)關(guān)注人工智能和大數(shù)據(jù)領(lǐng)域的自然語言分析和理解任務(wù),繼承往年NLPCC 會(huì)議的優(yōu)勢(shì)活動(dòng)形式,本次會(huì)議組織了主題演講、論文報(bào)告、專題報(bào)告、研習(xí)會(huì)、專題小組、技術(shù)評(píng)測(cè)、創(chuàng)新展示等多種學(xué)術(shù)活動(dòng)。”
金秋十月,碩果累累。10月15日-17日,由中國計(jì)算機(jī)學(xué)會(huì)主辦、自然語言處理專業(yè)委員會(huì)承辦的第十屆CCF自然語言處理與中文計(jì)算國際會(huì)議(NLPCC 2021)在青島召開。
思必馳副總裁/智能服務(wù)事業(yè)部總經(jīng)理初敏博士出席會(huì)議,并做了《場(chǎng)景驅(qū)動(dòng)的創(chuàng)新-通過話語分析和培訓(xùn)機(jī)器人對(duì)銷售過程進(jìn)行建模和改進(jìn)》主題演講。思必馳語言與知識(shí)團(tuán)隊(duì)的論文《基于向量投影距離和抽象三角條件隨機(jī)場(chǎng)機(jī)制的少樣本自然語言理解》被NLPCC 2021學(xué)術(shù)大會(huì)收錄并做口頭報(bào)告。
思必馳團(tuán)隊(duì)論文再登學(xué)術(shù)舞臺(tái)
在現(xiàn)實(shí)生活中,NLP(自然語言處理)主要用于詞法分析、句法分析、實(shí)體和關(guān)系挖掘、文本摘要、情感分析、主題提取、機(jī)器翻譯、自動(dòng)問答、語言建模和我們可以想到的所有與語言相關(guān)的任務(wù)。NLU(自然語言理解)被認(rèn)為是NLP的一個(gè)子方向,主要側(cè)重于語義理解:讓計(jì)算機(jī)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(gè)重要挑戰(zhàn),尤其是對(duì)于一些新的目標(biāo)領(lǐng)域。少樣本NLU技術(shù)可以在源領(lǐng)域中訓(xùn)練NLU模型而直接(不需要微調(diào))將模型應(yīng)用到任意目標(biāo)領(lǐng)域,因此少樣本NLU對(duì)于緩解數(shù)據(jù)稀缺問題至關(guān)重要?！痘谙蛄客队熬嚯x和抽象三角條件隨機(jī)場(chǎng)機(jī)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(jī)場(chǎng),用于提升原型網(wǎng)絡(luò)的性能。向量投影距離利用了上下文詞向量在標(biāo)簽向量上的投影映射作為‘詞-標(biāo)簽’相似度,其等價(jià)于一個(gè)歸一化的現(xiàn)象模型。抽象三角條件隨機(jī)場(chǎng)則為意圖分類和語義槽解析的聯(lián)合任務(wù)學(xué)習(xí)領(lǐng)域不可知的標(biāo)簽轉(zhuǎn)移參數(shù)。廣泛的實(shí)驗(yàn)表明我們提出的方法可以顯著性由于強(qiáng)基線系統(tǒng)。特別是,我們的方法在不利用目標(biāo)領(lǐng)域微調(diào)的限制下于兩個(gè)中文和英文評(píng)測(cè)基準(zhǔn)(Few-Joint和SNIPS)上取得了最好的性能水平。”
服務(wù)數(shù)字化助力企業(yè)提質(zhì)增效
隨著時(shí)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(chǎng)景驅(qū)動(dòng)的創(chuàng)新-通過話語分析和培訓(xùn)機(jī)器人對(duì)銷售過程進(jìn)行建模和改進(jìn)》主題演講中表示,像汽車、住宅類消費(fèi)品價(jià)格不菲,對(duì)此類企業(yè)而言,其往往要花費(fèi)大量的廣告宣傳費(fèi)用,獲客成本較高。然而,目前數(shù)字化營(yíng)銷管理主要集中在線上環(huán)節(jié),對(duì)營(yíng)銷轉(zhuǎn)化非常關(guān)鍵的線下銷售服務(wù)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(shí)準(zhǔn)確地理解了客戶的需求?這些都不得而知。
圖2
就此,思必馳創(chuàng)建了一個(gè)能夠?qū)⒚鎸?duì)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(chǎng)景、話題、賣點(diǎn)和用語等關(guān)鍵信息并進(jìn)行NLP分析,創(chuàng)建可用于培訓(xùn)的機(jī)器人,完成對(duì)銷售過程的自動(dòng)化、智能化指導(dǎo)與分析,并成功在多個(gè)客戶的試點(diǎn)門店部署實(shí)施。
圖3
最后,初敏博士表示,AI技術(shù)的應(yīng)用落地任重而道遠(yuǎn)。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(gè)試點(diǎn)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(huì)的各位學(xué)者與同學(xué)們發(fā)出邀請(qǐng),期待大家的加入,也期待能夠同大家在NLP領(lǐng)域里開展廣泛的合作。
參考文獻(xiàn):
[1] Sciforce 《NLP vs. NLU: from Understanding a Language to Its Processing》AI 研習(xí)社
https://blog.csdn.net/qq_42793029/article/details/90700529
