在忙碌的日常生活中，我們往往會在對話中使用模棱兩可或者並不完整的句子。例如，在與銀行助理交談時，客戶可能會說，“餘額還剩多少？”這樣的請求顯然比較模糊，客戶並沒有明確提到自己希望查詢的到底是信用卡餘額還是支票賬戶餘額。這位客戶也許只有銀行支票賬戶，這時客服人員完全可以查找賬戶詳細信息以確定對方提到的只可能是支票賬戶，藉此帶來良好的服務體驗。在客戶服務領域，客服人員經常需要結合當前用戶的上下文數據以解釋用戶表述中的這些不確定性因素。聊天機器人程序也面臨類似的歧視，同樣需要添加客戶上下文數據以確定對方的真實意圖。
今天，我們在Amazon Lex上推出了自然語言理解的改進方案與置信評分機制。我們根據客戶的反饋與研究進展不斷改善服務能力，旨在實現更強大的大家還可以藉此更好地處理種種模棱兩可的場景，包括我們之前提到的查詢場景。在這種情況下，如果有兩項或者兩項以上的intent能夠以極高置信度進行匹配，則大家可以使用intent分類置信度評分確定能否以及如何使用業務邏輯來理解用戶意圖。如果用戶只開通了信用卡服務，那麼我們可以觸發intent以顯示信用卡餘額。如果用戶同時開通了信用卡與支票賬戶，我們則可以提出補充性問題，例如“您是指信用卡還是支票賬戶？”以此爲基礎，大家將獲得更可靠的理解能力，藉此管理對話流程並提升溝通效率。
原文鏈接:【https://www.infoq.cn/article/fNKzKkGAHSfWC33okctp】。未經作者許可，禁止轉載。