电子商务销售问答写作技巧系统

[摘 要]作为智能写作技巧,电子商务销售问答系统可以在B2C和C2C类型的电子商务中,替代网络销售人员的工作.构建一个高性能的在线销售问答系统,需要综合运用自然语言处理、问答技术、人工智能、市场营销和客户关系管理等多门学科的知识.这种系统是一种复杂的问答系统,可以使用多种格式的数据源:常问问答集合、半结构化的销售政策文本以及结构化的客户关系数据.系统使用句子相似度计算、自然文本提取、数据库检索技术从这些不同格式的文本中提取答案,并通过人工智能进行推理和筛选.从而使得系统不仅能对常问问题进行解答,而且可以使用客户关系数据,进行有针对性的回答,从而达到促进销售的目的.

[关 键 词]问答系统在线销售客户关系管理智能写作技巧

一、引言

电子商务销售问答系统可以运用在B2C和C2C类型的电子商务中,部分替代网络销售人员的工作,从而降低交易费用,具有较高的现实价值,是自然语言处理系统的一个有效运用方向.考虑到目前自然语言理解和问答技术的进展,综合使用TRECQATrack中的factoid和list类型,构建一个销售问答系统具有理论上的可行性.然而,要符合人类进行更深层次的营销的特点,高水平的销售系统有区别于一般的问答系统,它还包括更多.例如,识别顾客、针对性推荐和促销.这就要求系统能够识别场景,拥有期望,形成策略.

二、系统总体设计

1.电子商务问答系统的特点

TREC的QA测试促进了相关技术的不断发展.从1999年的TEC-8开始,该测试无论在问题类型还难度上都不断的增加.其类型包括了factoid、listquestion和ciQA,知识来源也从新闻材料扩展到博客这种非正式信息.2007年的TRECQA测试中,来自世界各地的高校、科研机构和企业共21支队伍参与了主任务竞赛,国内的复旦大学、清华大学都进入了前10位.

历届QA测试都有很多研究队伍参与,各自的技术路线存在差异,测试成绩不一.早期的TRECQA测试中,芝加哥大学的FAQFinder使用这统计学和语义学的方法计算句子相似度.系统接受自然语言提问,然后去寻找数据库中的常问问答对.如果找到与提问相似的问答对,就提取对应的答案,然后返回给用户.在测试文本集使用新闻材料后,LanguageComputerCorportaion的LCC系统一直都稳定的居于前列,MariusA.Pasca总结了这种高性能问答系统的特点:(1)预期答案类型的识别,(2)关 键 词的词汇变换,(3)语义学运用.随后的几年里,在TIPSTER系统推动下,高性能的命名实体识别器、句法分析器相继得到运用.DiegoMollá报告了AnswerFinder,该系统基于命名实体识别技术,运用词法、句法和语义信息来提取答案.

在QA测试中取得的技术进步被迅速用于各种应用系统中.HoojungChung等人报告了一种能够回答天气信息的问答系统,综合运用了命名实体识别、用户简档、推理规则、问题分类等技术.

2.系统的知识库

根据销售流程分析,销售系统的知识来自于几种数据:客户关系管理数据、企业销售政策、常问问答对和背景知识.它们分别属于三种形式:问答对、自然文本和结构化信息.基本的流程如图.

如果是背景知识类的问题,直接分别从常问问答对和背景知识文本中提取答案,然后进行一致性对比,最终生成输出,对于非背景内容提问,先从常问问答对中,使用基于统计学和语义学的方法计算句子相似度来提取答案,然后从企业销售政策文本中,使用检索和命名实体的方法提取答案,再使用判定规则进行一致性比较,筛选出排列前面的答案,最后查询客户数据,通过人工智能推理,做最后筛选.

3.总体结构(图见下页)

三、系统组成部分

1.问题分析

对于输入的自然语言问题,进行两种基本类型的处理:常问问答对和文本提取.类型一:对于常问问答对,从输入句子中去掉停用词,将句子转换为一个词语向量集合,类型二:文本提取:根据命名实体识别器、时间规范、推理规则和用户简档,形成检索关 键 词,并进行问题分类.

2.答案提取

类型一:我们使用两种方法综合计算问题相似度:统计学方法和语义学方法.对于统计学方法,使用tfidf.尽管统计学方法对于计算相似度很有用,但是由于自然语言的灵活性,它仍然是不够的.因此,当使用tfidf不能得到足够的分值时,我们使用反馈方式,放松查询条件,从而让系统使用How进行语义扩展.扩展后形成新的词语向量集合,按条件重复这个过程.

类型二:使用IR搜索引擎,从答案文本集合中获取排名前50的句子作为候选答案,对候选答案,综合使用词法、语法和逻辑对问句和答案之间的叠和程度进行评分,在提取答案时,根据语法叠和度和词语叠和度,按照提取规则对最终答案进行计分,提取得分最高的答案.

3.答案综合

对于同一问题,通过对不同数据源提取答案,可能会获得不一致的结果.因此,需要对结果进行一致性比较和判别.例如,对于销售,如果节检测日开展了促销活动,使用了新的折扣,常问问题集里面的答案就不正确了.

同一问题,对于不同客户,也可能有不同的答案.例如针对普通客户和VIP客户的不同折扣,因此需要使用客户关系数据模块,获得客户数据信息.

最后建立基于谓词的若干判定规则,进行推理和比较,获得最终的答案.

四、结论

构建一个高性能的电子商务在线销售问答写作技巧系统,需要综合运用自然语言处理、问答技术、人工智能、市场营销和客户关系管理等多门学科的知识.这种系统是一种更复杂的问答系统,可以使用多种格式的数据源:常问问答集合、半结构化的销售政策文本以及结构化的客户关系数据.系统使用不同的技术从这些不同格式的文本中提取答案.系统不仅能对常问问题进行解答,而且可以使用客户关系数据,识别客户背景,根据客户特点进行有针对性的回答,从而达到促进销售的目的.用基于自然语言和人工智能的技术模拟人类进行销售,是一个复杂的智能过程,我们的研究仅仅是起步.更类似于人类的系统,它能够具有态度和期望、能够根据外部信息设计行动策略,高效促销和满足客户.构建这样的系统,需要更多的努力和研究.

[12]JamesAllen:自然语言理解(第二版)[M].北京:电子工业出版社,2005

[13]蔡自兴:人工智能及其应用(第三版)[M].北京:清华大学出版社,2004