專訪 | 螞蟻金服 MISA：比用戶更懂自己的自然語言客服系統(tǒng)

　　當手機取代了錢包，支付寶甚至比現(xiàn)金更常用，與螞蟻金服的產(chǎn)品端一同忙碌起來的還有公司的服務端。95188 服務熱線就是其中之一。

　　然而當我們談起客服電話，想到的仍然是傳統(tǒng)的按鍵菜單(「普通話服務請按 1，for English service please press 2」)和在機械而漫長的語音播報里等待的焦躁。「在過去的統(tǒng)計里，只要用戶沒轉接人工，就算作『問題被自助解決了』，其實在我們看來那不叫『解決』，叫『損耗』。」 螞蟻金服的產(chǎn)品運營專家弈客說。秉承著這樣的理念，團隊開發(fā)了 MISA(Machine Intelligence Service Assistant)，一個能夠通過識別用戶的語音中包含的業(yè)務需求來直接進行回應的客服系統(tǒng)，他們稱之為「37攝氏度的自助語音交互」。

　　在金融業(yè)務領域，客戶服務涉及許多環(huán)節(jié)，通過人工智能的技術解決客服問題，為廣大用戶提供高效、個性化的普惠金融服務，成為金融科技領域非常基礎、非常具有挑戰(zhàn)性的課題。

　　最近，在螞蟻金服發(fā)起的「ATEC螞蟻開發(fā)者大賽——人工智能大賽」上，這支團隊在初賽就拿出了來自實際應用場景的 10 萬對標注問題集，并開放相關資源與專家指導，邀請人工智能開發(fā)者來挑戰(zhàn)「問題相似度計算」這一客服領域最基礎也最核心的任務。

　　如今，賽事已經(jīng)集結了來自全球超過兩千支隊伍報名，并開啟了激烈的準確率打榜競賽。近日機器之心也有幸探訪螞蟻金服，采訪了 MISA 團隊中的三位核心成員：人工智能部資深算法專家深空(張家興 )、客戶服務及權益保障事業(yè)部產(chǎn)品運營專家弈客 (于浩淼 ) 以及人工智能部算法專家千瞳(崔恒斌 )，聊了聊如何利用深度學習算法構建能夠「未卜先知」的客服系統(tǒng)。以下內容根據(jù)采訪實錄整理，機器之心對內容作了不改變原意的調整。

　　MISA 的「成長故事」與「近照」

　　機器之心：開發(fā) MISA 系統(tǒng)的初衷是什么？

　　弈客：95188 支付寶服務熱線是一個典型的 IVR 場景(Interactive Voice Response，互動式語音應答)，作為一個語音渠道，它的業(yè)務目標很簡單，就是「定位用戶的問題，匹配相應解答方案」。一開始，它就是一個傳統(tǒng)的按鍵菜單，后來隨著螞蟻金服業(yè)務線的日益增長，按鍵菜單無法滿足業(yè)務需求，同時語音識別技術也進入了一個基本可以投入應用的階段，所以從 16 年初開始，我們和算法工程師一起，嘗試找新的解決方法。

　　最初的想法是讓用戶描述自己的問題與場景，然后將描述與我們的業(yè)務與知識進行一次匹配。后來，我們發(fā)現(xiàn)單次匹配也很難做到特別精準，因為用戶很難在單次描述里給出全部所需要素，所以就嘗試以多輪交互的形式，用一個對話系統(tǒng)來幫助用戶補全其描述中缺失的部分。

　　再后來，我們發(fā)現(xiàn)與其讓用戶完全清楚地描述自己的問題，不如我們率先發(fā)問。我們做了大量的市場調研，發(fā)現(xiàn)如今市面上的客服系統(tǒng)也基本上以「描述與匹配」模式為主，涉及多輪交互的本身就很少，在多輪基礎上發(fā)展方向也沒有那么明確。因此我們就回到了螞蟻自身。我們就想，能不能基于用戶在提問時所積累的行為特征，以「猜問題」的形式讓系統(tǒng)率先發(fā)起對話，降低用戶的使用難度。相比于「你有什么問題?」，「你是不是想問 XXX 問題?」就要容易回答得多，即使用戶回答「不是」，我們的問題也會為他接下來的描述提供一個示例。

　　圖：如今的 95188 語音服務流程

　　機器之心：現(xiàn)在 MISA 的系統(tǒng)由哪些部分組成？分別完成什么任務？

　　深空：MISA 的主要模塊有猜問題、問題識別、反問交互三個。「猜問題」是螞蟻金服在客服領域的首創(chuàng)，是一個利用用戶可能與本次致電相關的信息，基于深度學習算法框架構建的問題識別模型。「問題識別」是根據(jù)用戶的描述定位他可能遇到的問題。「反問交互」是在用戶給出的信息不全時，利用「要素拆解和補全」的方式幫助問題識別模塊圈定范圍，降低問題識別的難度，以反問的形式與用戶進行交互。

　　機器之心： 除了用戶轉為文本的語音輸入外，MISA 的系統(tǒng)還會接收哪些輸入？如何分類？

　　深空：我們將輸入分為因子、軌跡、文本三類。因子是由業(yè)務方定義的、具有明確含義的特征，例如：過去24小時是否有還款行為、過去24小時是否發(fā)生過轉賬行為等。因子大約有數(shù)百個。軌跡是用戶最近的 120 個「行為」組成的時間序列，其中一個行為指對遠程服務器發(fā)生一次請求。行為的種類超過一萬種。文本是用戶的描述以文本形式表達;在「猜問題」環(huán)節(jié)，文本指用戶的歷史描述，在正常的「問題識別」環(huán)節(jié)，文本即把本次電話里用戶對問題的語音描述轉換成文本。文本是一個長度各不相同，甚至可能空缺的輸入。

　　機器之心：作為一個以識別為主要目的的系統(tǒng)，MISA 會將用戶的問題匹配到多少種類型里？如何給出應答？

　　弈客：需要匹配的問題類型的具體數(shù)字隨著業(yè)務上線與下線會有浮動，規(guī)模大約在「數(shù)千」這個量級。

　　大框架上，應答可以分為三類。第一類，如果用戶的問題很簡單，能用一兩句話說清楚，我們就以播報的形式輸出。比如之前余額寶一個業(yè)務的產(chǎn)品方案進行了調整，從不限轉入金額到每天最多只能轉入兩萬。這時候當用戶轉入出錯前來咨詢，我們就會以播報形式把業(yè)務調整通知給用戶。第二類，如果方案需要用戶在某一個產(chǎn)品頁面進行操作與交互，我們就會把相應頁面在用戶的 app 里拉起來。用戶掛掉電話打開 app，就能看到解決方案頁面的推送，點開就可以完成操作了。最后一類，我們判斷相對復雜的問題，就轉接人工小二處理。

　　機器之心：一位用戶平均需要與系統(tǒng)進行多少輪對話能夠定位到自己的問題呢？

　　弈客：一開始系統(tǒng)能力還沒有那么強的時候，我們把最多對話輪數(shù)設置為 4 輪，如果 4 輪對話之后用戶的問題仍然沒有得到解決，就轉交人工客服。通過不斷的優(yōu)化，現(xiàn)在用戶的平均對話輪數(shù)不超過兩輪，大概在 1.8-1.9 左右。

　　客服系統(tǒng)是怎樣煉成的：模型選擇、評估與優(yōu)化

　　機器之心：在處理自然語言文本時，用到了哪些深度學習模型？

　　千瞳：我們首先用自己預訓練的詞向量對文本進行表示，然后分別用到了卷積神經(jīng)網(wǎng)絡(CNN)和以 LSTM 為基本單位的循環(huán)神經(jīng)網(wǎng)絡(RNN)對文本進行處理。

　　卷積神經(jīng)網(wǎng)絡中，模型對由詞向量組成的文本做一維單層卷積與池化，形成一個向量，RNN 則把文本視為一個序列，處理后也得到一個向量，最后，將兩個向量相加，得到一個代表本段文本的新向量，然后與代表因子和軌跡的向量加在一起，進行分類。

　　機器之心：為什么同時采用 CNN 和 RNN？

　　千瞳：兩種模型提取特征的能力不同。CNN 的能力在于提取關鍵詞。RNN更善于捕捉序列關系。

　　機器之心：分類模型與問題識別模塊的關系是？

　　千瞳：問題識別模型是由多個子模型+融合模型的形式組織的。分類模型只是其中一種子模型，除此之外，還有搜索、意圖樹等多個結構化子模型。不同模型的輸出格式也各不相同，分類模型返回不同類別的可能性打分，而意圖樹可能只返回某一個最可能的類別。在子模型各自進行問題識別后，我們會通過一個GBDT的模型，對前四個模型的結果進行融合。在融合模型階段，我們取每一個模型的 top1 輸出，根據(jù)標注數(shù)據(jù)來選擇輸出可能性最高的那個模型的結果。

　　機器之心：反問交互是如何實現(xiàn)的？

　　弈客：如今一百通電話里，有三十通會率先通過猜問題的形式對用戶進行發(fā)問。如果沒有猜中，就要思考如何在較短的輪數(shù)內摸清用戶的需求。用戶的大多數(shù)問題都能夠以「業(yè)務、框架、類型」三要素方式進行拆分。例如「花唄不能還款」，「花唄」就是涉及的業(yè)務，問題的核心動詞「還款」就是框架，「失敗」是導致用戶提問的訴求類型。有超過一千個用戶問題都可以被拆解成三要素的形式，其中包括一百多類業(yè)務、不到一百類框架和不超過十種問題類型。

　　三要素拆分方式的方式能夠幫助快速縮小識別范圍。用戶在描述中，可能不能一次把三要素都描述清楚，但是如果給出了某部分要素，比如用戶說「我要還款」，就給出了框架「還款」和類型「如何」，這時我們就可以就缺失的「業(yè)務」要素進行反問，比如，「您是要進行花唄還款、借唄還款還是信用卡還款?」

　　千瞳：從技術的角度上來講，我們在構建了語義要素庫之后，是可以實現(xiàn) zero-shot 的問題識別的。即，不需要見到特定的要素組合的訓練樣本，只要在其他訓練樣本中見過單獨的要素在其他場景下出現(xiàn)，一樣可以識別這個要素組合，對應到相應問題。

　　另外，我們也構建了多任務學習的框架。三要素識別任務的目標是非常類似的，都可以看做是多分類問題。多任務學習讓不同任務間的數(shù)據(jù)可以共享。雖然每一個單獨的任務都有足夠的數(shù)據(jù)，但是不同任務間目標會讓特征提取各有側重，提高模型效果。相比單模型，識別準確率可以提升7個百分點。

　　機器之心：如何評估匹配的精確程度？這些評估是否會反過來影響模型的優(yōu)化？

　　千瞳：匹配的評估指標有多個層級，第一個是CTR(Click Through Rate)，比如在「猜問題」階段，用戶會確認系統(tǒng)猜的是不是他的問題。第二個是分流的準確率，如果分配到人工還有小二派單準確率，最后是問題解決率。

　　至于用戶的評估如何影響模型優(yōu)化，一言以蔽之，用戶的反饋就是模型的訓練數(shù)據(jù)，系統(tǒng)自己能形成一個閉環(huán)迭代體系。 MISA 的大部分模型一周迭代兩次。

　　關于比賽：客服領域里的相似度計算

　　機器之心：比賽中的「判斷兩句話是否為同義句」任務和利用分類法進行問題識別任務之間的關系是什么？

　　深空：當我們拿到一個用戶的自然語言問句，想判斷它是知識庫里的哪一類問題時，通常有兩種做法：一是做分類，也就是上面講到的問題識別;還有一種做法就是判斷同義句，給出每一類問題的幾條例句后，當一個新的問句出現(xiàn)，就計算新問句與每一條例句之間的相似度。

　　相比于識別，同義句是一類相對昂貴但具有重大意義的做法。對于許多拿不到豐富數(shù)據(jù)的場景來說，訓練分類器變得不可能，而搜集例句、計算相似度相較之下更為可行和合適。

　　基于相似度計算的分類算法對于數(shù)據(jù)的需求要靈活得多，可以根據(jù)數(shù)據(jù)的情況分層次安排：有的方法可以不需要訓練數(shù)據(jù)，基于規(guī)則來做;有的方法可以基于領域無關的、有公開語料的通用數(shù)據(jù)進行訓練;當然，如果提供領域相關的數(shù)據(jù)，可以讓相似度計算得更好，就像我們這次提供的數(shù)據(jù)這樣。

　　從工程的角度來講，這種一開始對訓練數(shù)據(jù)依賴較小的辦法，有利于工程師按部就班把一個問題解決掉。

　　機器之心：選擇判斷同義句作為本次大賽賽題的原因都有哪些？

　　深空：第一，在將用戶的問句分類的場景下，相似度計算是一種基礎而實用的做法。在客服領域里，大多數(shù)應用場景仍然是缺少數(shù)據(jù)的。第二，問題的相似度計算在其他場景下也有廣泛的應用，例如，在「挖掘用戶常見問題」任務里，就要對用戶問句進行聚類，將每一類常見問題歸為一類。聚類的基礎就是計算每兩個問句之間的相似度。還有許多其他類似的應用。總而言之，相似度計算是客服大領域中非常基礎、非常核心的一個問題。

　　這次比賽的重點就是鼓勵選手找到好的相似度計算方法。本次我們在初賽就提供了 10 萬條數(shù)據(jù)。作為對比，現(xiàn)在的相似度計算比賽中最大的公開數(shù)據(jù)集大概在 1 萬條左右。但是我們不強制選手使用提供的數(shù)據(jù)，完全不基于數(shù)據(jù)或者引入外部數(shù)據(jù)的做法都是被允許的，希望選手們不拘一格，找到最好的相似度計算方法。

　　機器之心：是否會考慮將比賽中出現(xiàn)的做法投入到實際生產(chǎn)中？

　　千瞳：這是肯定的。螞蟻的業(yè)務發(fā)展非常快，因此在設計算法的過程中會遇到很多現(xiàn)實的問題：比如用戶描述口語化、描述多樣性、糾錯以長句問題等等，都需要相似度計算方法去解決，我們自己也在進行大量相似度計算方面的探索，希望能夠和選手們一起，找到最合適的方法。

　　現(xiàn)在起，即刻登錄大賽官網(wǎng)(https://dc.antfin.com)報名參賽，百萬獎金等你來戰(zhàn)。

　　【加入大賽群，參與賽題討論與觀看發(fā)布會】

　　添加機器之心小助手3：syncedai3，備注：螞蟻，由小助手邀請進群，第一時間獲取大賽相關信息，一起討論賽題，以及與其他小伙伴互動交流。

　　作者：邱陸陸