对话机器人是过去几年国内外互联网巨头最青睐的方向之一，很多公司都对此做出了明确布局。深度学习在机器视觉获得巨大成功后，在 NLP 和对话机器人方向也被研究界寄予厚望。
伴随着工业界和研究界的关注，对话机器人稳步向前发展，越来越多的企业在把对话机器人应用到产品中。那么，目前业界如何构建这些对话机器人？主要使用什么技术？深度学习和 NLP 在这过程中起到了什么作用？如何让对话机器人成为人工智能，而不是“人工智障”？
2020年07月20日，58同城技术委员会 AI 分会联合 InfoQ 举办了一期线上技术沙龙，58同城AI Lab算法高级架构师韩伟分享了《58同城对话机器人应用实践——本地生活服务场景中的商家智能助手》，介绍在本地服务（黄页）业务场景下，如何利用对话机器人为商家提高效率和收益。以下是分享总结，后续我们会持续推出更多方向主题的直播沙龙活动，敬请持续关注。
分享将从以下几个方面展开：58 的业务背景、58 对话机器人的总体技术架构、核心能力、总结和展望。我们想通过这次分享使大家了解到 58 对话机器人系统中的技术全貌，希望对大家有所启发。
首先介绍 58 同城的业务背景，58 同城是一个生活服务平台，平台连接着大量 B 端商户和 C 端用户，B 端商户在平台发布帖子信息，平台将这些帖子信息分发给 C 端用户供其浏览。在 58 同城 App 或网站上，用户可以通过搜索和推荐的方式获取帖子信息，例如用户可以通过搜索框搜索信息、进入列表页筛选和浏览信息。58 同城提供租房、二手房、找工作、二手车、黄页、二手车等信息，平台上有大量商家和用户，平台的目标是提高双端连接的效率。
让我们先从生活中的一个实际场景开始，让大家直观感受 58 是如何服务我们平常生活的。
我们经常需要保洁打扫服务，首先打开 58 同城 App，选择家政服务大类页，然后选择自己满意的服务商家，这时候我们可以看到“微聊”入口，通过它可以连接起 C 端用户和 B 端商家。
基于 58 平台大量的商家和用户，我们构建了 58 同城对话机器人。从功能上讲：58 同城对话机器人提供了智能问答、多轮对话、商机挖掘、智能辅助、在线客服等几大核心功能，目前已经落地在帮帮智能客服系统和智能客服商家版中，智能客服商家版已经在 58 集团各个业务线落地，比如：针对本地服务的商家助手，针对房产的经纪人助手，针对招聘的企业助手以及针对车的车商助手。
接下来，我们介绍一下 58 智能客服商家版的整体架构，为了提升 B 端商家和 C 端用户的有效连接，我们打造了智能客服商家版。
在全 AI 模式下，所有的咨询都会优先转接给自动问答机器人，当遇到机器人无法回答的问题时，则根据用户配置转接人工。支持设置开启时间段，应对商家在不同时间段的接待需求。
智能辅助模式 - 人机协作共同服务：
人工接待中，用户的提问如果命中知识库的问题，机器人向人工坐席推荐答案，由人工参考回复用户。
这里是智能客服商家版的后台界面，2020 年 Q2 季度我们总共公开通了近百万商家，累计服务了近千万的 C 端用户。
智能客服商家版在生活服务品类落地场景是这样的，在生活服务品类中，我们同时有人工坐席和 AI 对话机器人，根据不同的类目和工作时间段，C 端用户会和 AI 对话机器人或者人工坐席进行沟通，人工坐席和 AI 对话机器人的目的都是解决用户的问题，同时获取用户的电话商机。在取得用户的电话商机后，平台会把商机通过商机中心推送给 B 端商家。最终 C 端用户和 B 端商家通过挖掘出的电话商机进行沟通，最终成单。
基于上述，我们提供了满足业务咨询的 QABot 能力，提供商机引导的 TaskBot 和商机催留能力，以及提高人效的商机挖掘和智能辅助能力。
首先，QAbot 解决的是用户的问题咨询场景，实际业务过程中，我们核心要解决的问题是：（1）机器人能回答哪些用户提问；（2）如何回答更多的问题并准确回答
我们先看第一个问题，也就是怎么才能知道用户可能的提问有哪些。我们借助机器与人工挖掘结合的方式，先用 KMeans 等聚类方法获取一些种子问题，再由编辑标注，得到业务线知识库，该知识库包含标准问题和扩展问法。
有了业务线知识库之后，我们可以在这个基础上训练问答模型。该模型输入用户 query，输出对应的标准问题编号。
识别出了用户问题，如何回答也很重要。我们使用结构化的答案库，通过查询帖子结构化数据 + 文本填充相结合的方式，动态生成答案。
大家可以看到，问答模型的效果对用户体验非常重要。为提升问答模型效果，达到 F1 值大于 0.8 的目标，我们结合线上数据进行了多次模型迭代。
在项目初期，我们使用 FastText 作为基准，快速得到问答模型。选择 FastText 这个浅层神经网络，一方面是考虑网络的训练和预测速度快，可以快速验证数据是否存在异常；另一方面是 NGram 能够快速捕捉关键词特征，在一些关键词比较明显的类别上能取得不错的效果。
DSSM 作为一个文本匹配模型，其优势在于对样本少的类别也有较好的匹配效果。句子的表示方法对 DSSM 模型的效果有显著影响。这里我们先试用了 LSTM 模型对句子进行表示。相对于 NGram 而言，LSTM 更能够提取出句中的长程特征，提升了样本中长句子的识别效果。其次我们也对 LSTM+NGram 特征的结合进行了尝试，使得模型在有效处理长句的同时，也能不遗漏关键词特征。
58 微聊场景下积累了大量的无监督数据，在预训练模型出现后，我们得以进一步挖掘这些数据的潜力。实践中，BERT 模型作为此类半监督模型的代表，在分类任务中取得了良好的效果。BERT 的主要特点是预训练掩码语言模型 + 微调两个步骤的结合，同时为了配合 Transformer encoder 的使用，使用了位置编码机制。
SPTMs 这个轻量级的预训练模型实现比较早，BERT 在 18 年 10 月底发布，这个模型是 19 年 4 月实现的。这里当时看主要创新点是去掉 BERT 的 NSP 任务，另外替换成 Bi-LSTM 也是做一种尝试（实际也可以用一层的 Transformer），在机器资源有限情况下让预训练变得容易。如果直接用 BERT 去预训练，耗时很久，而 SPTM 的推理耗时较低，可以在 CPU 上直接跑，十几到几十毫秒。
SPTM 将每个单句作为一个样本，句子中不超过 15% 的字参与预测；参与预测的字中 80% 进行 mask，10% 随机替换成词典中一个其他的字，10% 不替换。在预训练阶段，SPTM 使用 softmax 值与单字 one-hot 相乘作为损失度量；在微调阶段则计算各类别的交叉熵损失。
SPTM 经调整后能达到 F1>0.8 的目标，同时其推理耗时也在控制范围内。目前 LSTM+DSSM/SPTM 模型已在 github 开源，大家可以参考我们之前分享的文章《开源|qa_match: 一款基于深度学习的层级问答匹配工具》（链接：https://mp.weixin.qq.com/s/2NahwBgAnptiK5pv6vTLNQ）进行详细了解。
TaskBot 是一类帮助用户完成特定任务的聊天机器人。借鉴通用的 Frame 数据结构，我们采用意图 + 词槽的组合对用户 query 进行知识表示。在 58 场景下，我们将用户提供的特定词槽值称作商机，TaskBot 的目标即是引导用户提供商机。
58 作为提供本地生活服务的头部平台之一，同时服务于 C 端用户与 B 端商家。为提高平台效能，促进增收，我们基于 TaskBot 开发了商机引导功能，由机器人代替人工，引导用户透露商机，目标是转化商机、促成交易。
在 58 服务寻求场景下的会话中，用户需求的复杂性给商机引导带来了诸多挑战（如图中实际的用户对话）。实践中我们发现，20% 的用户在问了一轮后就退出会话，而余下的 80% 用户中，有 45% 在被问到电话时，表示拒绝或不愿透露。
通过学习人工客服的会话，我们发现人工客服回复存在固定的模式，一般人工客服会先回答用户的提问，再根据需要问的信息对用户进行反问。在这个基础上，我们选用了结合一问一答的 QABot 和商机引导多轮 Taskbot 的方案，实现类似人工客服回答模式的商机引导过程，目前已在房产等多个业务线落地。
举个例子，在实际会话中，用户的第一个问题命中某标准问题，此时我们先查询答案库，获取到一问一答（QABot）的答案，同时，我们根据 TaskBot 的触发条件判断，如果触发 TaskBot，则继续回复 TaskBot 的反问。
在触发 TaskBot 后，用户在 TaskBot 的依次引导下，逐步透露商机，此时 QABot 不会命中标准问题，TaskBot 引导用户直到对话结束。
通用的 TaskBot 包含 NLU、DM 与 NLG 模块。我们将 DM 和 NLG 模块集成在统一的对话管理服务中，加上 NLU 模块单独对应一个服务，共两个 SCF 服务。
基准版的对话管理服务，以一个可以从静态配置信息中初始化的状态机作为核心。状态机的每个节点对应于一组槽位的组合，每条边对应于意图与一组槽位的组合。当前的状态存放在 58 存储服务 WRedis 内。用户输入被解析为意图和词槽的组合后，对话管理服务根据状态机状态选择出一个回复策略，这个策略由动作与参数组成。查询得到参数值后，根据动作类型选择合适的回复模板，便得到了最终的回复。
随着 TaskBot 接入业务的增加，业务侧对其灵活性和通用性都提出了更高的要求。这里我们借鉴业界经验，对原有的状态机进行进一步抽象，定义出触发、填槽、函数与回复这 4 种节点类型，每种类型应用特定的配置，使状态机配置大幅简化，复用成本大大降低。
与 Frame 将知识区分为 Procedure 和 Data 相似，TaskBot 区分了标准问题和词槽。标准问题直接复用自 QABot 的结果，用于判断是否需要触发 TaskBot 进入商机引导流程，词槽则对应于具体的商机信息。
我们分析线上用户数据发现，未提供商机的用户中，48% 的用户在 AI 机器人询问电话之后就退出了对话，用户不再与机器人进行沟通，这样这部分用户的商机就流失掉了。
同样我们分析了人工客服的对话记录，发现用户同样存在退出会话的问题，但是人工客服会主动与 C 端用户进行沟通，一般在用户不回复后约 30 秒的时候，人工坐席就开始进行主动会话催留，经统计发现，针对 3 次催留的用户，其中有 80% 的用户留了电话商机。
所以，我们构建起基于对话管理器中对话状态 + 智能主动发问的能力，赋予 AI 对话机器人主动对话的能力，与用户展开主动聊天，智能催促用户留下电话商机。
这个地方，我们使用多轮对话用户的商机状态，结合微聊消息队列的定时器，通过模拟人工坐席的催留节奏和话术，达到智能商机催留的目的。
在本地服务品类，智能商机催留功能上线后，我们的商机转化率绝对提升 14%，效果显著。
在智能客服商家版中，存在对话机器人和人工坐席，目前支持的人机协作模式有以下三种：
①机器人接待用户，机器人回答不了转人工客服
②机器人和人工客服各自接待一部分用户
③机器人全部接待，无人工客服参与
这张图展示的是人工坐席的后台工作界面，一个人工坐席会同时与多个店铺的多个用户进行在线沟通，所以，提升人工坐席的工作效率是非常重要的。
我们提供了商机自动挖掘的能力，在人工和用户沟通过程中，AI 会自动挖掘 C 端用户的商机并且自动填写到商机管理中，同时针对 C 端用户的问题，我们会提供智能辅助的能力，给人工坐席提示可能的候选答案，供人工坐席采纳以提高回复效率。
我们利用了 IDCNN 提取上下文语义特征能力，以提升远距离建模的能力，CRF 建模状态转义的能力。CRF 层引入序列的转移概率，避免标签偏移，最终计算出 loss 反馈回网络。AI 提供了多种商机的挖掘能力，包括核心商机：电话，地点，时间，业务商机属性。
无论是机器人引导的商机还是人工坐席产生的商机，最终都会流入商机管理系统，商机挖掘后，我们会实时推送给商机中心，商家与用户进行及时的沟通最终促成交易，从而达成了整个服务的闭环。
目前，从商机转化率上，我们对话机器人达到了人工坐席大约 95% 的水平，部分类目对话机器人甚至高于人工客服的电话商机转化率。同时，商机挖掘的准确率和召回率也都超过了 90%，提高了坐席的人效。
未来我们会加速算法创新和业务落地，从强化学习、预训练等技术进行深入研究，提高对话机器人的效果。
