编者按：客服知识库作为智能机器人不可缺少的一部分，在企业客户服务中发挥了巨大的作用，但是客服知识库的组成部分有哪些，能准确匹配答案的知识库原理是什么？今天我们为大家详细介绍客服知识库的构成与知识库原理。

 

➤ 客服知识库的构成

客服知识库是一套通过一定知识规则对知识进行高度结构化管理的系统，我们从前端可见的客服知识库内容和后台不可见的程序技术两部分来了解知识库的核心组成。

▌技术构成

客服知识库背后有一套复杂的算法来指导整个工作过程，为了便于理解，我们主要介绍自然语言处理技术（NLP）、置信度指标和机器学习三个核心技术概念。  

自然语言处理技术:自然语言处理技术指的是让计算机理解人类自然语言的一项技术，知识库可以通过句法分析、自动分词、词性标注等技术将自然文字语言进行拆解分析，转换成计算机可以读懂的“语言”，使知识本身具有一定意义，这对知识库理解访客语言来说是至关重要的。

置信度指标:置信度指标是知识库算法提供的一个核心指标，知识库中的每项内容都有一个隐含的数据属性，那就是置信度，或者叫有效度，可信、重要程度，通过这个指标知识库中的每个知识就不再像普通的客观信息一样随机，每个数据都通过这个指标变得“确定”。

机器学习:机器学习是计算机模拟人进行学习、获取知识的一项技术，这项技术对知识库的优化来说十分重要。

▌内容构成

问答知识：问答知识是客服知识库的主要部分，一问一答形式的知识主要用于访客问题回复，当客户输入问题时，知识库通过自然语言处理实现对问题的匹配，然后输出对应答案。

词库：词库存放的主要是相似词、无意义词和专有名词，这些词的存在都是为了促进知识库对问题的“理解”。由于技术发展的限制，计算机对自然语言的理解还有较大限制，这时候词汇有一定辅助作用：相似词的意义是一样的，无意义词不用理会，专有名词代表固定意义，不能将专有名词拆成两部分理解。词库通过对特定部分的限定，减少知识库分析工作量，减少出错的可能性。

流程知识：流程知识指的是机器人办理固定业务如查询天气、充值话费时，可能经过的步骤点以及各步骤点之间的顺序、判断关系。通过这些流程知识机器人“知道”了办理一项业务的固定流程，一旦知识库识别到用户办理业务的意图，接下来的流程就会按这套流程知识的逻辑往下走。

 

➤  知识库的工作原理

▌匹配问题的原理

知识库匹配问题主要用到自然语言处理技术和置信度指标，当客户输入问题时，知识库通过自然语言处理技术将客户问题转换为计算机语言，与知识库中问题进行匹配，一般企业的知识库中会存在大量表达上高度相似的问题，知识库怎么知道推送哪条的答案？这时候需要用到置信度指标，高度相似的知识在置信度上是有差异的，匹配时如果几条答案匹配度都高过设定值，一条答案与其他答案相差较大，超过系统设定的“正确阈值”，那么知识库就认为这条是可以匹配的正确答案；如果高匹配度答案间的置信差不够大，知识库可以同时推送几条匹配度高的问题供客户点选；匹配度过低或置信差小的高匹配问题过多时，则判断无法回答。

▌优化原理

从原理上看，知识库的优化主要分为接待访客实现优化和人工辅助实现优化两种形式。

接待访客实现优化：在客户接待工作中，访客输入问题时，知识库进行问题推荐，客户可能进行点选；在回复客户后客户可能对答复进行“有用”或“没用”的评价，客服在回复时，知识库可以辅助推荐答案，客服可能根据需要进行点选。在机器学习技术下，每次接待后知识库都会根据接待的反馈进行置信度的调整。所以一般随着使用量的增加，知识库的表现会变得更好。

人工辅助实现优化：知识库后台提供相应的优化维护功能，知识库可以根据已有的数据指标对问法进行查重，对一段时间内的未知问题、相似问题进行收集，通过人工审核判断是否真的重复、真的未知、真的相似并进行处理，一方面直观上知识库的内容和结构得到了优化，另一方面知识库对自然语言的理解也相应调整，进而知识库变得更加易用、问题的匹配准确度变得更高。

 

➤  小结

本文对客服知识库构成和知识库原理进行了详细介绍。客服知识库的内容主要由问答知识、词库和流程知识三部分组成，在客户接待过程中，知识库通过自然语言处理技术将客户问题进行拆解，然后通过置信度与问题进行匹配，将对应的问题答案推送给客户，这过程中词库可以减少自然语言处理出错的概率，一旦识别到出发流程的客户意图，接下来机器人就通过知识库的流程知识引导客户完成业务的查询办理。在访客的接待和人工的后台维护中，知识库可以通过机器学习技术和人的反馈实现知识库的优化。自然语言理解、机器算法与机器学习都是比较前沿的、处在快速发展中的技术，对企业的技术力量有较高要求，企业在挑选知识库系统时可以重点关注一下这点。