챗봇 구조 안내-일체 포함-php.cn

저는 며칠 전에 "챗봇을 더 우아하게 디자인하는 방법"이라는 글을 썼습니다. 어떤 친구들이 제게 이렇게 묻는 메시지를 남겼습니다. 스톤 씨, 챗봇 아키텍처에 관한 글이 있나요? 수요가 있는 곳에 동기가 있습니다. 오늘 우리는 챗봇의 아키텍처에 대해 이야기하겠습니다.

요즘 점점 더 많은 기업 고객 서비스 시스템(물론 기타 비즈니스 시스템)이 전통적인 음성 통화에서 텍스트, 그래픽 및 지능형 음성으로 전환하고 있습니다.

챗봇 구조 안내

챗봇을 통한 커뮤니케이션은 단순성과 실시간이라는 두 가지 주요 이유로 점점 인기를 얻고 있습니다.

아래에서는 챗봇의 작동 방식, 사용자 정의 방법 및 챗봇 아키텍처에 대해 알아야 할 모든 것에 대해 이야기해 보겠습니다.

하지만 시작하기 전에 기본 사항을 살펴보겠습니다.

챗봇이란 무엇인가요?

챗봇은 사람과 컴퓨터, 사람과 사람 사이의 대화를 시뮬레이션하는 프로그램입니다. 질문을 하면 챗봇은 지식 데이터베이스를 사용하여 응답합니다.

인공지능(AI)은 자연어 대화나 채팅을 시뮬레이션하는 데 사용됩니다. 일반적인 방법은 메시징 플랫폼, 모바일 앱 또는 전화 통화를 이용하는 것입니다.

챗봇은 인간과 기계 간의 의사소통을 가능하게 하고, 인간의 도움과 독립적으로 작동하며, 자연어 처리(NLP)와 같은 기술을 사용하여 질문에 답합니다. 자연어 처리(NLP)는 컴퓨터가 인간과 거의 동일한 방식으로 텍스트와 음성 언어를 이해할 수 있도록 하는 인공 지능의 한 분야입니다.

챗봇은 어떻게 작동하나요?

챗봇을 사용하면 사용자는 사람의 개입 없이 텍스트, 오디오, 이미지 등을 통해 질문 및 질문 요청에 대한 답변을 쉽게 찾을 수 있습니다.

Chatbot은 기업이 여러 고객 문의를 동시에 처리할 수 있는 자동화된 솔루션입니다. 일부 통계에 따르면 대부분의 고객 서비스 서비스는 반드시 하루 24*7시간 이용 가능해야 합니다.

이제 대부분의 기업용 챗봇에는 더 많은 규칙과 자연어 기술이 통합되어 있으며 최신 모델은 사용 중에 지속적으로 학습할 수 있습니다.

오늘날의 AI 챗봇은 고급 인공지능 도구를 사용하여 고객의 진정한 목적을 명확히 합니다.

챗봇에는 아래와 같이 두 가지 주요 범주가 있습니다.

규칙 기반 챗봇

이와 같은 봇은 프로그래밍된 제한된 수의 옵션만 이해할 수 있습니다. 다음과 같은 장점이 있습니다.

간편한 구축: 참 및 거짓 알고리즘을 사용하여 고객 문의 사항을 이해하고 관련 답변을 제시합니다.
구현 용이성: 높은 학습 비용이 필요하지 않으며, 간단한 키워드나 정규 표현식만으로 구현이 가능할 수도 있습니다.
제어 용이: 기업 자체에서 규칙을 설정하므로 출력 답변이 설정된 범위를 초과하지 않습니다.

물론 장점도 있지만 확실히 단점도 있습니다.

강한 종속성: 미리 정의된 규칙을 넘어서 규칙에 너무 많이 의존하고 그 의미를 이해할 수 없습니다.
메뉴 기반 작업: 상호 작용 중에 챗봇은 다양한 옵션 중 사용자가 원하는 정보를 표시하는데, 옵션에 표현되지 않아 사용자의 진정한 의도를 파악하기가 매우 어렵습니다.

인공지능 기반 챗봇

이 챗봇은 원래의 챗봇에 인공지능 알고리즘을 추가하여 상대적으로 복잡합니다. 자연어 처리(NLP) 및 의미론을 사용하여 공개 쿼리에 응답합니다. AI 챗봇은 언어, 맥락, 의도를 인식하고 그에 따라 대응할 수 있습니다. 좀 더 복잡한 챗봇입니다.

이 공간에서는 두 가지 접근 방식을 찾을 수 있습니다.

확률적 챗봇

이 유형의 봇은 엔드투엔드 기계 학습을 사용하여 의도 탐지나 지식에서 관련 응답 찾기보다는 과거 대화 로그를 기반으로 모델을 생성합니다. 베이스. 설정된 스크립트를 따르지 않고 자연스럽게 상호 작용할 수 있더라도 확률에는 단점도 있습니다.

대화를 통해 경험과 데이터를 통해 학습하다 보면 편견이 많이 생길 수 있습니다. 출력 대화에 대한 제어가 제한되어 있으며 봇이 논란의 여지가 있는 답변을 제공하고 고객으로부터 불만을 받을 가능성이 있습니다.
확률적인 챗봇을 구현하려면 많은 양의 학습 데이터가 필요합니다. 더 많은 데이터를 얻을수록 데이터의 정확성이 높아집니다. 이는 데이터를 수집하는 개발자에게 고통스럽고 긴 작업입니다.
챗봇이 만드는 답변은 '블랙박스'(모델)에 있는데, 이는 챗봇이 답변을 하는 방식을 의미합니다. 투명성이 없으며 추론 결과를 수정하거나 조정하기가 어렵습니다.

결정적 챗봇

이 챗봇은 자연어 처리를 활용하여 각 단어의 무게를 계산하고, 문맥과 그 뒤에 숨은 의미를 분석하여 결과나 답변을 출력합니다.

이 챗봇은 의미에 따라 의도와 답변을 일치시킬 수 있습니다.

장점과 단점이 있습니다.

회사에서 작성한 내용만 출력하므로 회신 톤과 기업 이미지를 더 쉽게 제어할 수 있습니다.
이는 확률적 학습을 기반으로 하지 않으며 포함할 새로운 인기 주제를 촉발할 수 있습니다.
결정론적 의사결정 트리를 따라 고객이 원하는 결과를 얻을 수 있도록 안내하세요. 의사결정나무는 매우 복잡할 수 있으며 논란의 여지가 있고 인기가 없는 답변을 받아들이지 않는 트레이너에 의해 감독되고 제어됩니다.
지식 기반에 사용자에게 응답할 관련 콘텐츠가 없을 때마다 트레이너는 모델을 재교육하거나 규칙을 공식화하여 원활한 전환을 달성하고 기본 사례를 줄일 수 있습니다.

챗봇 도입을 고려하고 있는 친구들은 모든 콘텐츠를 하나로 통합할 수 있는 챗봇 아키텍처에 대해 알아보세요. 물론 자동화된 테스트도 마스터해야 합니다.

챗봇 아키텍처란 무엇인가요?

챗봇의 아키텍처는 목적에 따라 다릅니다

어떤 챗봇을 사용하든 로봇 통신 프로세스는 기본적으로 동일합니다.

프로그래밍 언어 Java, Python, PHP 및 기타 언어를 사용하여 쿼리에 응답하는 봇을 만들 수 있습니다. 대부분의 대화는 인사말이나 질문으로 시작한 다음 일련의 질문을 통해 사용자를 안내합니다. 답을 얻으려면.

아래에서 챗봇의 기본 아키텍처를 자세히 소개합니다.

자연어 이해 엔진

이것이 핵심이자 가장 중요한 첫 번째 단계입니다. 사용자가 메시지를 입력하면 NLU는 메시지를 읽어 사용자의 의도를 이해합니다. 그런 다음 규칙 엔진은 최상의 응답을 계산하기 시작합니다.

QA 컬렉션 라이브러리에 대해 생각하는 데 시간을 투자해야 하며, QA 라이브러리를 논리적이고 정기적으로 수집해야 합니다. 물론 QA 테스트 전략도 이해해야 합니다.

Knowledge Base

제품, 서비스 또는 비즈니스 요구 사항에 대한 정보 기반입니다. 여기에는 FAQ, 문제 해결 가이드, 서비스 정보 또는 비즈니스 수행 방법이 포함될 수 있습니다.

지식과 데이터베이스 모두 챗봇이 사용자에게 권위 있게 응답하는 데 필요한 정보를 제공합니다.

데이터 저장

분석 및 대화 로그가 저장되는 곳입니다. 챗봇의 사용 기간이 길어짐에 따라 모델을 보다 정확하고 더 폭넓게 다루기 위해서는 보다 구체적이고 완전한 분석 솔루션이 개발되어야 합니다.

모든 단계에서 챗봇이 비즈니스와 연결될 수 있도록 비즈니스를 시스템화해야 합니다.

가장 기본적인 챗봇에는 어떤 아키텍처가 필요합니까?

소규모 기업과 마케팅 캠페인은 종종 레벨 1 챗봇으로 시작됩니다. 일반적으로 하나의 플랫폼에만 구축할 수 있습니다. 이 카테고리는 일반적인 문제의 70~80%를 차지하는 간단한 문제를 처리하는 데 탁월합니다. 이러한 유형의 챗봇은 "몇 시에 열리나요?"와 같은 간단한 질문에 답합니다.

사용자가 더 복잡한 정보(예: 문제 진단)를 요구하는 경우 챗봇의 규모를 확장해야 합니다.

예를 들어 누군가 "배송에 무슨 문제가 있나요?"라고 묻는 경우

이 경우 더 높은 수준의 챗봇이 필요합니다.

챗봇의 기능이 더욱 지능화되고 처리할 수 있는 비즈니스가 더욱 복잡해짐에 따라 더 많은 트래픽 노출이 필요합니다

HTTP 및 채팅 인터페이스

레벨 2 챗봇은 반스크립트이며 실시간 기능을 갖추고 있습니다. 채팅 위젯 . 홈페이지에서 바로 고객지원팀과 채팅을 하실 수 있습니다.

메시지 브로커

게시자(예: 채팅 인터페이스)가 대기열에 메시지를 추가하는 곳입니다. 고객은 WeChat, DingTalk, Enterprise WeChat 및 QQ와 같은 인스턴트 메시징 플랫폼을 통해 챗봇에 액세스합니다.

생방송 에이전트 플랫폼

로봇이 사용자의 의도를 정확하게 파악하지 못하는 경우, 인간 에이전트가 원활하게 개입할 수 있습니다. 어떤 경우에는 문제를 해결하고 대화의 끝을 봇에게 다시 전달합니다.

봇은 CRM(고객 관계 관리)에서 비밀번호 변경, 주문 찾기 등 고객 세부 정보를 불러올 수도 있습니다.

엔터프라이즈급 아키텍처

챗봇을 한 단계 더 발전시키려면 복잡한 대화를 가능하게 하는 기술을 사용해야 합니다. 또한 소프트웨어 기능을 확장하는 방법도 결정해야 합니다.

물론 사업마다 다릅니다. 다음은 엔터프라이즈급 아키텍처로 봇을 구축하는 데 필요한 몇 가지 일반적인 기술, 워크플로 및 패턴에 대한 요약입니다.

핵심 기능 외에도 고려해야 할 사항이 많습니다. 소프트웨어 테스트 스케줄러는 선택한 챗봇에 내장되어야 합니다.

대화형 봇은 "브레인"과 일련의 요구 사항 또는 "모듈"로 나눌 수 있습니다.

Chatbot 작동 방식

Chatbot은 세 가지 분류 방법을 사용하여 작동합니다.

패턴 일치
알고리즘
신경망

패턴 일치자

봇은 패턴 일치를 사용하여 텍스트를 분석하고 적절한 응답을 생성합니다. 이러한 패턴의 표준 구조는 AIML(Artificial Intelligence Markup Language)입니다. iFlytek의 "abnf 문법 사양"

을 참조하세요. 예:

Joe Biden은 누구인가요? .

챗봇은 자신의 이름이 관련 패턴의 일부이기 때문에 답을 알고 있습니다. 그러나 관련 패턴 이상의 고급 정보를 얻으려면 챗봇이 알고리즘을 사용할 수 있습니다.

Algorithm

알고리즘은 분류자 수를 줄이고 보다 관리하기 쉬운 구조를 만듭니다. 다음 예에서는 각 용어에 점수가 할당됩니다.

유형: "안녕하세요, 좋은 아침."

용어: "안녕하세요"(일치 없음)

용어: "좋음"(카테고리: 인사말)

용어: "아침"(카테고리: 인사말)

카테고리: 인사말 (점수 = 2)

점수의 도움으로 주어진 문장과 일치하는 단어를 찾아 가장 일치도가 높은 카테고리를 식별할 수 있습니다.

자연어 처리 엔진

이 엔진은 가중치 연결을 사용하여 입력과 출력을 계산합니다. 훈련 데이터에 사용되는 각 단계는 정확도를 높이기 위해 가중치를 수정합니다. 문장은 개별 단어로 구분되며, 각 단어는 네트워크 데이터베이스의 내용과 일치하는 입력으로 사용됩니다. 그런 다음 계속해서 단어를 테스트해 보세요.