摘要：目前資訊播報(bào)時(shí)區(qū)限行歷史上的今天單位換算油價(jià)日歷等技能天貓精靈上線技能觸發(fā)率，準(zhǔn)確率即對(duì)話管理，是對(duì)話系統(tǒng)的關(guān)鍵部分，負(fù)責(zé)維護(hù)對(duì)話上下文，管理對(duì)話流程，保持對(duì)話過(guò)程的流暢。

TaskBot引擎： 核心處理對(duì)象是“技能”，我們把技能定義成結(jié)構(gòu)化(query+content)、垂直場(chǎng)景化的任務(wù)，比如實(shí)時(shí)場(chǎng)景查詢、工具類、控制類等
QABot引擎：

包括KG-QA引擎、QAPair引擎、DeepQA引擎。KG-QA主要是百科和圍繞全網(wǎng)知識(shí)圖譜的精準(zhǔn)問答；QAPair引擎以問答對(duì)生產(chǎn)消費(fèi)為主；DeepQA引擎基于url索引、分類聚類、焦點(diǎn)詞、摘要的多級(jí)系統(tǒng)

ChatBot引擎：

包括基于檢索和生成的閑聊引擎

網(wǎng)頁(yè)搜索與智能對(duì)話是信息服務(wù)的不同承載方式，在數(shù)據(jù)、算法、架構(gòu)上一脈相承。也正因此積累，谷歌等搜索引擎公司可以快速推出其AI平臺(tái)&產(chǎn)品，以信息服務(wù)為基礎(chǔ)To B/C。

行業(yè)技能庫(kù)

第一階段：團(tuán)隊(duì)用了半年的時(shí)間將大搜索100+的垂直行業(yè)進(jìn)行結(jié)構(gòu)化升級(jí)，涉及行業(yè)大到大娛樂、大出行、新聞資訊，中到汽車、體育、旅游，小到股票、翻譯、古詩(shī)詞等等

第二階段：進(jìn)一步進(jìn)行技能的結(jié)構(gòu)化升級(jí)，精細(xì)的Query結(jié)構(gòu)化、多輪對(duì)話建設(shè)，并輸出到天貓精靈音箱

全網(wǎng)知識(shí)圖譜

阿里唯一全網(wǎng)知識(shí)圖譜，以知識(shí)卡片、實(shí)體推薦、精準(zhǔn)問答等產(chǎn)品輸出；

問答庫(kù)

社區(qū)問答庫(kù)：基于UGC問答社區(qū)的問答庫(kù)，1B doc的量級(jí)；

UPGC生產(chǎn)：神馬"騎士團(tuán)"建立的校園生產(chǎn)體系，騎士團(tuán)是該項(xiàng)目的code name，充分利用校園對(duì)存量知識(shí)進(jìn)行整理、加工、審核，提升問答的生產(chǎn)效率和質(zhì)量；目前參與學(xué)生人數(shù)萬(wàn)級(jí)別；

高質(zhì)量庫(kù)：社區(qū)問答庫(kù)覆蓋高但質(zhì)量參差不齊，社會(huì)化生產(chǎn)質(zhì)量高但數(shù)量相對(duì)較少，通過(guò)機(jī)器對(duì)社區(qū)問答庫(kù)的清洗和對(duì)社會(huì)化生產(chǎn)庫(kù)的擴(kuò)展，最終沉淀成高質(zhì)量庫(kù)；

蛋清庫(kù)：蛋清是產(chǎn)品策略。用戶與bot對(duì)話時(shí)最希望得到直接的答案即"蛋黃"，但是有時(shí)候機(jī)器能get(或部分get)到用戶的問題但是無(wú)法給與完美的答案，這個(gè)時(shí)候給用戶"蛋清"也是一種優(yōu)雅的手段表示我理解你；目前已完成第一版蛋清上線，主要覆蓋“描述/方式”問題類型；

核心庫(kù)

為了凈化互聯(lián)網(wǎng)環(huán)境、提升內(nèi)容質(zhì)量，我們以運(yùn)營(yíng)+挖掘的方式運(yùn)轉(zhuǎn)了一套核心庫(kù)的流程；
技能庫(kù)+知識(shí)庫(kù)+問答庫(kù)+閑聊庫(kù)，構(gòu)成了信息服務(wù)場(chǎng)景下智能對(duì)話的基礎(chǔ)設(shè)施，舉幾個(gè)例子說(shuō)明下不同庫(kù)對(duì)不同query（詢問）的滿足，小馬同學(xué)正在看一場(chǎng)NBA比賽，他說(shuō)：

"現(xiàn)在火箭領(lǐng)先多少分了？" -> 技能庫(kù)
"籃球是誰(shuí)發(fā)明的？" -> 知識(shí)庫(kù)
"哈登能進(jìn)名人堂嗎?" -> 問答庫(kù)
"咱們聊聊NBA吧?" -> 閑聊庫(kù)

通用信息服務(wù)始終在追求問答的覆蓋和質(zhì)量，這也是業(yè)界的難點(diǎn)，包括半結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)的處理、內(nèi)容生產(chǎn)模式、內(nèi)容敏感問題、用戶滿足等等；神馬搜索在一年的探索中積累出的多級(jí)QA系統(tǒng)、MOPU(Machine/OGC/PGC/UGC)多元化生產(chǎn)、流程化規(guī)模化可持續(xù)的生產(chǎn)體系走在了業(yè)界的前沿；在最近一次天貓精靈理想query集合評(píng)測(cè)上，觸發(fā)率達(dá)到73%，準(zhǔn)確率達(dá)到了91%；這個(gè)數(shù)據(jù)是什么概念，可以參考業(yè)界代表性產(chǎn)品的指標(biāo)：

根據(jù)Stone Temple最近的調(diào)查，谷歌虛擬助理可以回答68％的用戶問題，其中90.6％的答案是正確的，而微軟Cortana能夠回答的用戶問題比例為56.5％，準(zhǔn)確率為81.9％；而蘋果Siri回答的用戶問題比例為21.7%，準(zhǔn)確率為62.2％，亞馬遜Alexa回答的用戶問題比例為20.7％，準(zhǔn)確率為87％

上圖為架構(gòu)體系整體大圖。"引擎"負(fù)責(zé)數(shù)據(jù)的構(gòu)建和計(jì)算的承載，"平臺(tái)"負(fù)責(zé)以引擎為核心構(gòu)建的閉環(huán)解決方案(生產(chǎn)、多租戶消費(fèi)、運(yùn)營(yíng)、需求管理等)。系統(tǒng)的落地，得以于搜索多年的積累沉淀。該系統(tǒng)完全與搜索業(yè)務(wù)解耦，承載了天貓精靈等業(yè)務(wù)方的流量(以及雙十一晚會(huì)直播問答)。下面會(huì)分別介紹神降臨平臺(tái)、TaskBot引擎、QABot引擎。

神降臨平臺(tái)

神降臨平臺(tái)是TaskBot引擎的平臺(tái)化延展，解決技能生產(chǎn)、消費(fèi)、運(yùn)營(yíng)等問題。對(duì)于外部開發(fā)者它是BotFramework；對(duì)于外部調(diào)用者它是神馬整個(gè)智能對(duì)話的出入口；對(duì)于內(nèi)部RD它是生產(chǎn)和運(yùn)營(yíng)平臺(tái)。目前該平臺(tái)主要服務(wù)集團(tuán)內(nèi)部業(yè)務(wù)。神降臨由技能開放平臺(tái)、技能生產(chǎn)平臺(tái)、統(tǒng)計(jì)分析平臺(tái)、運(yùn)營(yíng)管理平臺(tái)組成。

技能開放平臺(tái)

開放有兩個(gè)層面：內(nèi)容開放+能力開放。對(duì)應(yīng)的技能開放平臺(tái)也承擔(dān)兩個(gè)角色：

1.能力開放(BotFramework)：對(duì)標(biāo)類api.ai的技能構(gòu)建平臺(tái)，外部開發(fā)者構(gòu)建自己的技能；
2.內(nèi)容消費(fèi)(OpenAPI)：通過(guò)創(chuàng)建應(yīng)用、選擇技能/問答，直接通過(guò)API進(jìn)行智能對(duì)話；

目前我們尚未對(duì)外主推BotFramework：雖然開放平臺(tái)產(chǎn)品眾多，但目前的模式很難滿足開發(fā)者需求，一個(gè)技能從產(chǎn)品規(guī)劃到生產(chǎn)可用需要大量和較長(zhǎng)鏈路的工作，不是提交點(diǎn)語(yǔ)料配置點(diǎn)上下文和輸出就可以搞定的(簡(jiǎn)單控制類勉強(qiáng)可以)。在我們技能一期專項(xiàng)完成的20+技能下大約有300+種不同意圖，建立了語(yǔ)料收集、標(biāo)注、審核、建模、測(cè)試的完善流程。所以我們的精力主要放在打磨真正可用的內(nèi)置技能，產(chǎn)生實(shí)際的價(jià)值。

技能生產(chǎn)平臺(tái)

技能生產(chǎn)平臺(tái)用于生產(chǎn)內(nèi)置技能。它與技能開放平臺(tái)的角色一致最終都是將物料投遞給TaskBot引擎，但用戶是內(nèi)部RD，涵蓋了從產(chǎn)品PRD到技能上線的全鏈路流程，涉及在線編寫結(jié)構(gòu)化PRD、需求管理、語(yǔ)料管理、實(shí)體管理、技能構(gòu)建、技能訓(xùn)練、技能驗(yàn)證、技能發(fā)布。

為了技能的普適性，每個(gè)技能我們都以技能組的方式支持多場(chǎng)景：標(biāo)準(zhǔn)無(wú)屏、手機(jī)屏、大屏，標(biāo)準(zhǔn)無(wú)屏針對(duì)天貓精靈音箱類似場(chǎng)景，手機(jī)針對(duì)神馬的個(gè)人助理場(chǎng)景，他們?cè)诙噍喰枨?、結(jié)構(gòu)化展現(xiàn)、排序策略上都不盡相同；另外內(nèi)置技能的物料除了實(shí)體、語(yǔ)料、劇本之外，支持投遞c++動(dòng)態(tài)庫(kù)以支持不同的排序策略、NLG策略等。

通過(guò)該平臺(tái)將技能建設(shè)在線化、PD/RD/QA/運(yùn)營(yíng)分工明確pipeline生產(chǎn)。

統(tǒng)計(jì)分析平臺(tái)

多維度的打點(diǎn)統(tǒng)計(jì)、報(bào)表、指標(biāo)分析。涉及問題包括生產(chǎn)消費(fèi)效率(通過(guò)統(tǒng)計(jì)引導(dǎo)內(nèi)容生產(chǎn)的方向領(lǐng)域)、內(nèi)容控制反饋、整體和獨(dú)立技能的準(zhǔn)召。

運(yùn)營(yíng)管理平臺(tái)

運(yùn)營(yíng)管理平臺(tái)分兩塊：內(nèi)容運(yùn)營(yíng)、應(yīng)用運(yùn)營(yíng)。

內(nèi)容運(yùn)營(yíng)：關(guān)鍵域和模塊的實(shí)時(shí)干預(yù)；

應(yīng)用運(yùn)營(yíng)：應(yīng)用/技能等增刪改查以及訓(xùn)練；

注1：中間橙色為TaskBot引擎，下文展開介紹
注2：大圖中TaskBot引擎、QABot引擎、ChatBot引擎為邏輯架構(gòu)；物理架構(gòu)上QABot和ChatBot級(jí)聯(lián)到TaskBot中，有多個(gè)模塊進(jìn)行多路召回和pk判定

TaskBot引擎是技能構(gòu)建和消費(fèi)的內(nèi)核。它涉及離線計(jì)算、內(nèi)容管理、調(diào)度、在線服務(wù)。

離線計(jì)算

將外部平臺(tái)的物料一一構(gòu)建成對(duì)應(yīng)的內(nèi)部數(shù)據(jù)；包括實(shí)體詞典、分類模型、意圖識(shí)別&抽槽插件/pattern/模型、NLG策略和模板、DM劇本插件、US排序插件、webHook邏輯插件等等。

內(nèi)容管理

按應(yīng)用/技能分版本的管理上述數(shù)據(jù)。內(nèi)容管理要做到無(wú)狀態(tài)，可快速移植、回滾、分發(fā)。

調(diào)度

分為數(shù)據(jù)調(diào)度、環(huán)境管理、服務(wù)管理。數(shù)據(jù)調(diào)度負(fù)責(zé)離線到在線的數(shù)據(jù)分發(fā)，一套SDS引擎包含多個(gè)Role，每個(gè)Role都會(huì)加載對(duì)應(yīng)的數(shù)據(jù)；環(huán)境管理負(fù)責(zé)迭代、驗(yàn)證、預(yù)發(fā)、生產(chǎn)環(huán)境的自動(dòng)化管理；服務(wù)管理負(fù)責(zé)運(yùn)維方面工作包括分行分列(按照應(yīng)用流量分行，按照技能消耗分列)，擴(kuò)縮容上下線等；

在線引擎

：SDS引擎，見下圖

SDS引擎是任務(wù)式對(duì)話的核心。它接受用戶的query，以DM為控制中樞、以NLU為理解中樞、通過(guò)US做召回和rank、以NLG包裝后輸出。目前資訊播報(bào)、時(shí)區(qū)、限行、歷史上的今天、單位換算、油價(jià)、日歷、nba、lbs等技能天貓精靈上線技能觸發(fā)率97-98%，準(zhǔn)確率95%+；

DM(Dialog Manager)

：即對(duì)話管理，是對(duì)話系統(tǒng)的關(guān)鍵部分，負(fù)責(zé)維護(hù)對(duì)話上下文，管理對(duì)話流程，保持對(duì)話過(guò)程的流暢。用戶的輸入通過(guò)NLU處理后產(chǎn)生意圖、槽位等信息，DM根據(jù)這些數(shù)據(jù)以及當(dāng)前對(duì)話的上下文做出對(duì)應(yīng)的決策和行為，包括調(diào)用NLG模塊生成自然語(yǔ)言、通過(guò)外部服務(wù)接口獲取對(duì)話過(guò)程中所需要的額外信息。DM以任務(wù)樹的方式管理對(duì)話，樹的每個(gè)節(jié)點(diǎn)都是一個(gè)Agent(詢問、執(zhí)行、回應(yīng))；考慮到對(duì)話系統(tǒng)的通用性和可擴(kuò)展性，我們?cè)趯?duì)話管理模塊的設(shè)計(jì)上，將對(duì)話引擎部分和領(lǐng)域相關(guān)部分做了明確的隔離，包括可重用的對(duì)話Agent組件、可編輯的對(duì)話控制選項(xiàng)、通用的外部調(diào)用機(jī)制等，可方便地自定義不同功能的Agent，實(shí)現(xiàn)不同的對(duì)話場(chǎng)景。

對(duì)話引擎在流程控制上有兩個(gè)重要的組成部分：

對(duì)話執(zhí)行棧

： 通過(guò)棧的形式維護(hù)Agent的執(zhí)行狀態(tài)，根據(jù)上下文對(duì)對(duì)話流程進(jìn)行控制。對(duì)話棧將Agent放入棧中，由棧頂?shù)腁gent執(zhí)行并選擇出合適的子Agent繼續(xù)入棧執(zhí)行。對(duì)話棧存儲(chǔ)對(duì)話的上下文信息，對(duì)應(yīng)著一個(gè)具體的對(duì)話場(chǎng)景。對(duì)話棧頂?shù)腁gent可形象的理解為對(duì)話焦點(diǎn)，對(duì)話棧結(jié)合Agent關(guān)系樹和話題議程表可實(shí)現(xiàn)對(duì)話焦點(diǎn)的跟蹤和管理，可靈活的保持、切換、回溯對(duì)話主題。

話題議程表：

負(fù)責(zé)維護(hù)和管理對(duì)話過(guò)程的參數(shù)信息，用于收集系統(tǒng)期望得到的用戶輸入。議程分為多個(gè)層次，每個(gè)級(jí)別對(duì)應(yīng)于對(duì)話框堆棧中的一個(gè)Agent，因此對(duì)于不同的運(yùn)行棧信息，議程表代表了在這個(gè)對(duì)話場(chǎng)景下所期望的輸入。當(dāng)用戶保持或轉(zhuǎn)移話題時(shí)，能找到相應(yīng)的期望參數(shù)并更新。
DM的執(zhí)行單元是"劇本"，用戶在開放平臺(tái)或生產(chǎn)平臺(tái)通過(guò)拖拽方式構(gòu)建的劇本樹最終會(huì)被構(gòu)建成c++的so被加載執(zhí)行。目前通過(guò)DM與NLU的結(jié)合已在多個(gè)技能上完成了省略替換、指代消解、話題轉(zhuǎn)移、錯(cuò)誤處理等多輪對(duì)話。
NLU：NLU有兩種不同的設(shè)計(jì)理念：

圍繞BotFramework的NLU

：將用戶query結(jié)構(gòu)化為Domain/Intent/Slot后返回給開發(fā)者(帶上置信度)，有些BotFramework產(chǎn)品需要用戶自己判斷是否接受這個(gè)結(jié)果，在技能較多的情況下會(huì)更麻煩，因?yàn)檫@種設(shè)計(jì)下核心幫助用戶解決的是語(yǔ)義理解的問題

圍繞對(duì)話產(chǎn)品的NLU：

結(jié)合NLU的分類和召回的結(jié)果做多維NBest策略，這在信息服務(wù)場(chǎng)景尤為重要，比如用戶說(shuō)了個(gè)李白，它可能是詩(shī)人李白、可能是撒貝寧的妻子李白、也可能是李榮浩的《李白》，這里有不同的處理方式，比如借助大搜索用戶點(diǎn)擊、借助用戶的歷史行為、甚至可以DM上直接反問哪個(gè)李白
上述2自然涵蓋1，神馬的NLU是2的模式。今年NLU系統(tǒng)經(jīng)歷了兩次大的升級(jí)，一次是整個(gè)SDS的NBest升級(jí)，一次是子NLU化，子NLU可以讓不同的Domain根據(jù)自身特別內(nèi)部個(gè)性化定制意圖識(shí)別和抽槽策略、并提升RD并行度。
NLG/US/Skill-Gateway 不再展開。

業(yè)界對(duì)問答有不同的劃分維度，按照內(nèi)容維度可劃分為結(jié)構(gòu)化數(shù)據(jù)問答、非結(jié)構(gòu)化數(shù)據(jù)問答、以及基于問答對(duì)的問答。而從技術(shù)角度看，業(yè)界一般分為基于檢索式的問答系統(tǒng)和基于生成式的問答系統(tǒng)。前者是將信息檢索系統(tǒng)構(gòu)建于大規(guī)模對(duì)話數(shù)據(jù)集之上，通過(guò)建立有效的問句匹配和問答相關(guān)度量化模型實(shí)現(xiàn)對(duì)用戶問題的合理回復(fù)；后者則試圖通過(guò)構(gòu)建端到端(End-to-End)的深度學(xué)習(xí)模型，從海量對(duì)話數(shù)據(jù)中自動(dòng)學(xué)習(xí)query和response之間的語(yǔ)義關(guān)聯(lián)，從而達(dá)到對(duì)于任何用戶問題都能夠自動(dòng)生成回復(fù)的目的。

我們當(dāng)前主要專注于基于海量數(shù)據(jù)的檢索式QA系統(tǒng)，而在系統(tǒng)層面劃分為：KG-QA、Baike-QA、DeepQA、PairQA，它們都是對(duì)既有知識(shí)的搬運(yùn)整理，但是在數(shù)據(jù)來(lái)源/要求、加工方式、匹配方式、覆蓋場(chǎng)景又不盡相同。筆者認(rèn)為世界的理想終局是結(jié)構(gòu)化的(知識(shí)庫(kù))，但是這個(gè)永遠(yuǎn)無(wú)法真正實(shí)現(xiàn)，比如信息的持續(xù)產(chǎn)生和更新以及自然語(yǔ)義處理的難度，所以需要兩個(gè)方向同時(shí)并行前進(jìn)。

KG-QA和Baike-QA準(zhǔn)確高但是覆蓋有限，基于非結(jié)構(gòu)化的Deep-QA覆蓋高但是污染大，Pair-QA的社會(huì)化生產(chǎn)大幅提升生產(chǎn)力但是需要好的場(chǎng)景和問題，諸多的挑戰(zhàn)決定了問答的難度和壁壘。

這里主要介紹PairQA和DeepQA系統(tǒng)如下圖所示：

問題理解 問題理解是問答系統(tǒng)理解用戶意圖的關(guān)鍵一環(huán)，特別是DeepQA。這里我們復(fù)用了大搜索基礎(chǔ)NLP的能力(語(yǔ)義擴(kuò)展，權(quán)重分析，實(shí)體識(shí)別，改寫糾錯(cuò)等)；問題分類結(jié)合機(jī)器學(xué)習(xí)分類算法和人工的方式，來(lái)實(shí)現(xiàn)提問的分類，比如：無(wú)意義、閑聊、人物、組織、時(shí)間等；焦點(diǎn)詞識(shí)別，主要完成信息需求的精準(zhǔn)定位，指問句的主要背景或者對(duì)象、有關(guān)主題的內(nèi)容，能夠體現(xiàn)對(duì)話題的描述性作用，比如實(shí)體、屬性、動(dòng)作、實(shí)例等。

信息檢索

信息檢索負(fù)責(zé)從全局語(yǔ)料中檢索相關(guān)/候選信息，傳遞給最終的答案生成模塊。信息語(yǔ)料的不同，以及業(yè)務(wù)場(chǎng)景的不同，檢索的方法也有多種形式，目前我們主要使用的是基于倒排的文本檢索和基于向量的語(yǔ)義檢索。前者是傳統(tǒng)的全文搜索引擎采用的方式，優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單、準(zhǔn)確率高，但對(duì)建庫(kù)語(yǔ)料依賴大，后者則是語(yǔ)義搜索引擎一種較好的實(shí)現(xiàn)方式，優(yōu)點(diǎn)是泛化能力強(qiáng)，但有一定誤觸發(fā)率。兩套索引機(jī)制各有優(yōu)缺點(diǎn)，結(jié)合不同的語(yǔ)料和業(yè)務(wù)場(chǎng)景，使用不同索引機(jī)制，同時(shí)也會(huì)相互結(jié)合使用，發(fā)揮各自的優(yōu)勢(shì)。

答案生成

基于檢索端的候選答案，需要通過(guò)進(jìn)一步的精排、答案抽取、置信度計(jì)算，最終得到準(zhǔn)確、簡(jiǎn)潔的答案。PairQA，更多的是通過(guò)CNN、DSSM、GBDT等機(jī)器學(xué)習(xí)模型和方法做嚴(yán)格的排序 + 置信度計(jì)算；DeepQA，面向的是非結(jié)構(gòu)化的文檔/社區(qū)語(yǔ)料，則需要做更深層次的處理，包括結(jié)合Bi-LSTM RNN模型的簡(jiǎn)潔摘要抽取、同義問題答案間交叉驗(yàn)證、答案相關(guān)性驗(yàn)證等。

語(yǔ)料建設(shè)

語(yǔ)料庫(kù)的建設(shè)是QABot的基礎(chǔ)，不管是面向特定領(lǐng)域的問答（比如：母嬰、三國(guó)、街舞），還是面向開放域的問答（比如閑聊），都離不開高質(zhì)量語(yǔ)料的支持。針對(duì)天貓精靈場(chǎng)景，我們實(shí)現(xiàn)了一整套面向口語(yǔ)化問答的數(shù)據(jù)挖掘和運(yùn)營(yíng)生產(chǎn)流程，包含開放問題挖掘、場(chǎng)景問題挖掘、社會(huì)化答案生產(chǎn)、高質(zhì)量答案自動(dòng)抽取。

圖譜引擎

知識(shí)圖譜是神馬搜索的核心基礎(chǔ)設(shè)施，借助搜索大數(shù)據(jù)和自然語(yǔ)言處理、深度學(xué)習(xí)技術(shù)打造，也是歷史最悠久的數(shù)據(jù)產(chǎn)品，在搜索知識(shí)化、智能化發(fā)展歷程中發(fā)揮了關(guān)鍵作用?；谥R(shí)圖譜和自然語(yǔ)言理解，我們構(gòu)建了知識(shí)卡片、實(shí)體推薦、精準(zhǔn)問答三個(gè)主要產(chǎn)品。在智能對(duì)話業(yè)務(wù)，針對(duì)音箱的場(chǎng)景，還重點(diǎn)建設(shè)了菜譜、古詩(shī)詞、三國(guó)、世界之最等特色技能，輸出到天貓精靈。而在生產(chǎn)側(cè)，一方面持續(xù)引入知識(shí)抽取、知識(shí)推理的前沿新技術(shù)，另一方面也建立了圖譜的社會(huì)化生產(chǎn)模式，來(lái)持續(xù)建設(shè)和補(bǔ)充專業(yè)領(lǐng)域的知識(shí)，使知識(shí)圖譜更好地為業(yè)務(wù)賦能。

去年一年，智能對(duì)話團(tuán)隊(duì)初步完成了從搜索到智能對(duì)話的技術(shù)升級(jí)，在實(shí)戰(zhàn)中沉淀出AI+信息服務(wù)的架構(gòu)、算法、運(yùn)營(yíng)、內(nèi)容體系。感恩時(shí)代，AI對(duì)話的路很長(zhǎng)，我們一起努力。

原文鏈接