小思

TRS小思智能問答機器人系統是由拓爾思自主研發的一款智能問答云服務系統，該系統綜合運用了自然語言處理、信息檢索、知識表示與推理等技術，通過語法語義分析、問題分類、問題解析、信息源自動識別與評價、實體識別與關系抽取、信息搜索、邏輯形式生成、知識表示與推理、提取備選答案、對備選答案證據的搜尋、對證據強度的計算和綜合等一系列處理流程，實現問題解答與人機交互。系統可以幫助人們更加快速、準確的獲取信息，已經被廣泛應用于政府智能問答，企業智能客服，行業知識問答等各個領域。

產品功能產品優勢應用場景

產品功能

相似比對與知識圖譜雙引擎

語義理解不同問法

上下文記憶

語義槽限定

知識構建

多租戶

遠程服務

FAQ與KBQA雙引擎融合計算綜合評分，通過投票機制給出標準答案與相關推薦問題。

基于NLU的問答引擎，識別問句意圖與關鍵術語，從而將各種問法歸集為相同的意思。

關鍵術語的上下文記憶，在多輪會話中記憶關鍵信息。

利用語義槽限定功能引導用戶補全對話中缺失的實體信息。

可針對Excel、Word等文件進行信息抽取，快速形成問答知識庫。

提供租戶機制，每個租戶有獨立的知識庫，語義庫以及詞典。每個租戶有專屬的問答入口。

提供基于JSONP的對外服務接口，可跨域調用，降低與業務系統的集成成本。并提供web、微信等多種訪問方式。

相似比對與知識圖譜雙引擎

FAQ與KBQA雙引擎融合計算綜合評分，通過投票機制給出標準答案與相關推薦問題。

語義理解不同問法

基于NLU的問答引擎，識別問句意圖與關鍵術語，從而將各種問法歸集為相同的意思。

上下文記憶

關鍵術語的上下文記憶，在多輪會話中記憶關鍵信息。

語義槽限定

利用語義槽限定功能引導用戶補全對話中缺失的實體信息。

知識構建

可針對Excel、Word等文件進行信息抽取，快速形成問答知識庫。

多租戶

提供租戶機制，每個租戶有獨立的知識庫，語義庫以及詞典。每個租戶有專屬的問答入口。

遠程服務

提供基于JSONP的對外服務接口，可跨域調用，降低與業務系統的集成成本。并提供web、微信等多種訪問方式。

產品優勢

以AI技術為核心構建智能學習體系

依托于拓爾思全新NLP核心技術平臺以及大數據、云計算等基礎服務為智能問答的學習體系賦能，實現未知問題學習，智能自主學習，人工問題增加的循環學習機制。
支持與領域本體知識引擎的結合，實現不同行業領域知識的自我學習。同時也在嘗試深度神經網絡的一些技術在問答方面的應用，例如計算問題和答案之間的匹配度，問題和問題之間的相似度等。

科學的建模與訓練流程

從場景設計到數據特征工程再到模型的訓練與評估，拓爾思提供一攬子解決方案以及專業的技術服務支持。
成熟完善的配套軟件加上經驗豐富的場景分析團隊，可以覆蓋絕大多數問答應用場景，保證項目的快速落地。

知識庫快速構建

基于知識圖譜自動構建技術，首先構造政務知識圖譜，然后基于知識圖譜構造問答對。對于某個政務辦理事項，抽取該事項的辦理時間、辦理地點、聯系電話、辦理條件、準備材料、辦理時長等信息，形成知識圖譜；然后根據預先設置的生成規則，自動生成問答對。
對于問答的歷史記錄進行跟蹤，將自動理解的問題以及在引導過程中用戶認為正確的關聯學習到知識庫中，輔助知識工程師進行知識標注，實現機器人問答越來越精準。

集約化政務智能客服機器人

包括管理集約化、平臺集約化、資源集約化、服務集約化、運營集約化等多方面的政務智能客服機器人。
提供統一的數據接入標準、服務接口標準、知識庫規范與開發體系規范。實現多渠道的適配以及多租戶的機器人應用開發。

應用場景

政務智能問答

企業智能客服

行業知識問答

政務網站往往欄目繁多，內容豐富，這對公眾獲取目的性信息造成了障礙。公眾往往需要花很長時間才能找到目標網頁，有的寧愿排隊等候人工客服，甚至親臨辦事窗口咨詢相關業務。TRS小思針對公眾網上辦事無從下手的痛點，精確地定位政務網站的法規、辦事流程等知識點，為網站用戶提供個性化的信息服務，提高政府辦事能力。

隨著企業的不斷發展，企業客戶群體數目越來越大、咨詢頻次高、問題重復度高，傳統人工客服的成本也越來越高。此外用戶在聯通人工客服時，經常會遇到坐席繁忙的情況，用戶每一秒的等待都會轉變為失望或抵觸情緒，不利于企業培養忠實用戶。TRS小思著重解決傳統人工客服所面臨的痛點，優化企業資源，提高客服服務能力。

TRS小思結合金融、醫療、標準等行業知識，領域構建知識圖譜，幫助行業用戶對外提供百科知識問答。