面向人机混合客服系统的基于对话级弱信号的轮次级对话评估
计算与语言
2020-11-13 v1 机器学习
摘要
我们开发了一种机器学习方法，可在交互过程中的任意时刻量化客服接触中成功或多方面价值的大小。具体而言，基于仅以对话级属性/状态弱信号训练的多任务神经网络在词元级上的预测，跨人类客服、聊天机器人及其他混合对话系统的轮次级行为价值/奖励函数，由句子间的增量信息与置信度增益来刻画。由此得到的模型称为 Value Profiler，它作为一个面向目标的对话管理器，通过其奖励与状态预测来调节自动化决策以增强对话。它支持对机器人处理及人工处理的接触进行实时监测与可扩展的离线客户体验评估。我们展示了它如何在若干应用中改善亚马逊客服质量。
引用
@article{arxiv.2011.06395,
title = {Turn-level Dialog Evaluation with Dialog-level Weak Signals for Bot-Human Hybrid Customer Service Systems},
author = {Ruofeng Wen},
journal= {arXiv preprint arXiv:2011.06395},
year = {2020}
}