什么是自然语言理解？

企业能从自然语言理解技术中获得许多好处。

提高客户参与度

自然语言理解是联络中心、社交媒体平台和移动应用中自动化对话体验背后的技术。借助该技术，您可以快速实现客户服务交互自动化，缩短咨询响应时间，并以更低的成本满足客户服务期望。

例如，当客户拨打企业电话时，他们可以与人工智能聊天界面交互，该界面能够理解其查询，并将其引导至合适的人工座席。交互式语音应答（IVR）是另一项由自然语言理解驱动的技术，它允许客户使用语音浏览呼叫菜单。它简化了客户支持的初始阶段，节省了时间，并且提高了客户参与度。

启用智能搜索

自然语言理解在智能搜索技术中发挥着关键作用。智能搜索能够理解最终用户以自然语言提出的问题，并通过搜索论坛和内部知识数据库找到所需的特定信息。由于 NLU 的支持，它可以从多个来源汇总信息，并以简洁的段落形式呈现。

优化业务运营

自然语言理解有助于实现重复性任务的自动化，从而减少工作量并加快服务交付。例如，您可以为支付或发送交易进度更新等常见任务创建流程。通过预先收集信息，您还可以更快地解决问题。这样，员工就可以将时间放在更具价值的活动上，并提高工作效率。

个性化用户体验

自然语言理解技术可以转录用户输入、识别用户意图，并提供个性化体验。通过将 NLU 与消费者数据和行为模式相结合，企业能够为客户提供独特的优惠或定制化的信息。

自然语言理解以文本作为输入，并以类似人类的方式对其进行解读。它分为三个主要阶段。

令牌化

令牌化会将自然语言输入分解为更小的语言单位，如特定的单词或独特的发音。此外，它也会处理缩写和标点符号。例如，句子 “I’m going to John’s house!” 可能会被标记化为：

[“I”、“’m”、“going”、“to”、“John”、“’s”、“house”、“!”] 此步骤有助于 NLU 系统识别句子和段落的组成部分。

词汇分析

词法分析有助于为特定单词提供上下文。它会依据词典、词性和上下文，对每个令牌进行分析，以确定其确切含义。这一步骤有助于区分具有多种含义的单词。例如，在句子 “I left my watch on the table” 中，单词 “watch” 可能表示：

• 手表（名词）

• 观察某物的动作（动词）

借助上下文，词汇分析可以确定上文中的 “watch” 指的是一个实物，而非一个动作。另一个例子是处理同义词。在“她购买了一台新笔记本电脑”这句话中，词汇分析识别出“purchased”与“bought”是同义词。

句法分析

句法分析用于确定整个句子的结构，通过分析句子的语法，判断单词之间的组合方式。它可以确保句子遵循语法规则，并识别出主语、谓语和宾语等成分。例如，在“The quick brown fox jumps over the lazy dog”这句话中，句法解析器将其分解为：

• 主语：“The quick brown fox”

• 动词：“jumps”

• 介词短语：“over the lazy dog”

语法和句子结构也有助于自然语言理解软件理解用户意图。例如，比较以下两个句子：

• “你能预订去巴黎的航班吗？”（预订航班的请求）

• “你能告诉我能不能预订去巴黎的航班吗？”（询问预订相关信息的请求）

句法分析有助于 NLU 工具理解更复杂的查询，并提供符合用户意图的功能。

现代 NLU 技术应具有以下功能。

生成式人工智能

生成式人工智能是指在海量数据上训练，能够以传统自然语言理解技术无法实现的方式进行语言处理的大型语言模型。它有助于改善用户体验，并且提供了一系列新功能。例如，具备生成式人工智能的 NLU 可以：

• 对常见问题提供自动回复。

• 分析客户情绪和意图，以便适当转接电话。

• 生成对话摘要以辅助座席。

• 针对常见工作流程自动生成电子邮件或聊天回复。

新一代人工智能助理可提供令客户满意的无缝自助服务体验。使用生成式人工智能的 NLU 技术可以根据语音指令撰写电子邮件或快速总结对话内容。

高质量的语音识别

用户可能有不同的口音或说话方式。这种语音多样性不应成为 NLU 工具的限制。您需要一个能够基于少量示例话语，了解用户表达意图的方式的 NLU 系统。它应理解人类语音，并对所有人群提供预期的回复。

多轮对话的上下文管理

有效的 NLU 工具必须在整个对话过程中存储和跟踪临时上下文信息，以模拟人与人之间互动的方式理解用户输入，并在多次交互中保持连贯性，确保顺畅的对话体验。

例如，如果用户向语音聊天机器人发起酒店预订请求，说“我需要在纽约订一家酒店”，则聊天机器人应该：

• 识别出需要更多详细信息，并以相关的后续问题作出回应，例如“需要住几晚？”和“您的入住日期是哪天？”

• 保留之前的用户输入，这样当用户说“住三晚，3 月 10 日入住”时，系统能够正确地将这些信息与纽约酒店预订请求关联起来。

• 这样处理代词：如果用户继续说“实际上，它改成住四晚”，聊天机器人应能理解“它”指的是该酒店预订。

• 处理隐含引用和话题转换。例如，在客户服务聊天机器人中，如果用户问“我的订单在哪里？”，随后又说“我可以更改收货地址吗？”，系统应识别出“收货地址”指的是之前提到的同一订单。

易于实施

自然语言理解工具应该易于构建和设置，且无需太多技术支持。即使是非技术用户也应该能够使用 NLU 软件设置对话工作流程。寻找易于设计和测试的可视化拖放式对话构建器。