基于注意力迁移学习改进客户服务聊天机器人
人机交互
2022-06-02 v2 人工智能
摘要
随着大众接受度提升及规模化生产带来的成本效率提高，服务机器人正开始从工业领域跨入社会领域。当前，客户服务机器人多为数字化并通过屏幕文字模拟社交互动，但前沿研究指出实体机器人将很快提供面对面客户服务。本文探讨两种可能：其一，迁移学习能否助力跨业务领域的客户服务聊天机器人改进；其二，面向实体机器人面对面交互的框架实现。以Twitter客户支持账号的社交互动为建模对象，基于Transformer的聊天机器人模型最初从随机权重分布学习某一领域。在共享词汇下，各模型随后通过迁移前一领域知识来学习另一领域。基于对19家不同企业的研究，结果表明多数模型在至少从一个其他领域迁移权重后获得提升，尤其是那些数据较其他更稀缺的模型。在多个案例中发生了通用语言迁移学习，以及相似领域知识的高层迁移。聊天机器人最终部署于Temi和Pepper机器人，并遇到可行性问题，本文提出了克服这些问题的方案。
引用
@article{arxiv.2111.14621,
title = {Improving Customer Service Chatbots with Attention-based Transfer Learning},
author = {Jordan J. Bird},
journal= {arXiv preprint arXiv:2111.14621},
year = {2022}
}