本站原创关于统计学及电子商务及客户关系管理方面的免费优秀学术论文范文，关于统计学相关大学毕业论文格式,关于电子商务销售问答代理系统相关论文范文资料，对写作统计学论文范文课题研究的大学硕士、本科毕业论文开题报告范文和文献综述及职称论文参考文献资料下载有帮助。
[摘 要] 作为智能代理,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 智能代理
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TREC QA Track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、list question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TREC QA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TREC QA测试中,芝加哥大学的FAQ Finder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,Language Computer Corportaion的LCC系统一直都稳定的居于前列, Marius A. 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.Diego Mollá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.Hoojung Chung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,对于销售价格,如果节假日开展了促销活动,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代理系统,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.