網(wǎng)上有很多關(guān)于工行特約商戶pos機(jī)是什么意思,工行里的數(shù)字員工是怎么來的的知識，也有很多人為大家解答關(guān)于工行特約商戶pos機(jī)是什么意思的問題，今天pos機(jī)之家(m.afbey.com)為大家整理了關(guān)于這方面的知識，讓我們一起來看下吧!
本文目錄一覽：
工行特約商戶pos機(jī)是什么意思
導(dǎo)語：
對于銀行業(yè)來說，數(shù)字員工可以通過自然語言對話、語音等低門檻的人機(jī)交互模式，降低企業(yè)中后臺軟件的操作復(fù)雜度，達(dá)到節(jié)省企業(yè)用工成本的目的。那么，數(shù)字員工應(yīng)該如何構(gòu)建呢？
《新程序員 005：開源深度指南&新金融背后的技術(shù)力量》特邀中國工行軟件研發(fā)中心來分享他們在數(shù)字化員工建設(shè)方面的實(shí)踐與總結(jié)，通過
對意圖識別、對話抽取、模型蒸餾、回流學(xué)習(xí)等技術(shù)的介紹，對用戶理解進(jìn)行了深入探索。
作者 | 工行軟件開發(fā)中心 責(zé)編 | 張紅月
出品 | 《新程序員》編輯部
近年來，商業(yè)銀行在經(jīng)營精細(xì)化管理上的要求日益增加，因而中后臺業(yè)務(wù)系統(tǒng)處理的功能也日趨復(fù)雜，業(yè)務(wù)人員參與到業(yè)務(wù)開展中的勞動成本日漸增高。為解決這些痛點(diǎn)問題，中國工商銀行開展了數(shù)字員工的探索，通過大數(shù)據(jù)平臺、機(jī)器學(xué)習(xí)等基礎(chǔ)技術(shù)底座，依據(jù)數(shù)據(jù)中臺的數(shù)據(jù)資產(chǎn)，實(shí)現(xiàn)通過對話交互方式快速獲取數(shù)據(jù)資產(chǎn)、調(diào)度業(yè)務(wù)服務(wù)的業(yè)務(wù)處理模式。
同時，為實(shí)現(xiàn)數(shù)字員工響應(yīng)迅速、交互體驗(yàn)良好的效果，工行軟件開發(fā)中心在技術(shù)上通過NLP多輪對話實(shí)現(xiàn)了理解用戶意圖，并通過良好的人機(jī)交互工程設(shè)計(jì)，達(dá)到了這一目標(biāo)。
本文節(jié)選自《新程序員 005：開源深度指南&新金融背后的技術(shù)力量》，本期雜志將開源開發(fā)者最關(guān)注的核心開發(fā)者與技術(shù)棧，以及與企業(yè)最關(guān)心的開源行業(yè)化應(yīng)用以及商業(yè)化前景、治理風(fēng)險等問題進(jìn)行深度解析。
與此同時，還將圍繞“新金融背后的科技力量”帶來最前沿的觀點(diǎn)、實(shí)踐案例與技術(shù)剖析！小伙伴可掃碼下方二維碼提前預(yù)定！
用戶理解探索：意圖識別、對話抽取、模型蒸餾、回流學(xué)習(xí)
數(shù)字人作為用自然語言與用戶交互的人工智能系統(tǒng)，基于用戶意圖識別、對話實(shí)體抽取、模型蒸餾、回流數(shù)據(jù)學(xué)習(xí)等核心技術(shù)組成的AI中樞，通過人機(jī)交互來完成與用戶的溝通。
智能對話交互的模型算法部分包括實(shí)時聯(lián)機(jī)和離線兩部分(見圖1)，實(shí)時聯(lián)機(jī)部分是對用戶請求實(shí)時響應(yīng)，離線部分主要完成模型訓(xùn)練、測試與知識庫整理。
圖1智能對話交互框架
智能對話交互體系的技術(shù)核心要點(diǎn)主要有以下四個方面：
用戶意圖識別
用戶意圖識別是指通過文本分類的方法將問題分到對應(yīng)的意圖種類，準(zhǔn)確識別用戶真實(shí)意圖，縮短交互時間，提升用戶體驗(yàn)。在中后臺業(yè)務(wù)場景中，意圖識別一般分為2層，領(lǐng)域識別和每個領(lǐng)域下的用戶行為意圖識別。領(lǐng)域識別通常發(fā)生在多個業(yè)務(wù)方接入，但不同業(yè)務(wù)方之間未做節(jié)點(diǎn)物理隔離的場景，需要根據(jù)用戶請求判斷屬于哪個業(yè)務(wù)領(lǐng)域。每個領(lǐng)域下的用戶行為意圖識別是指業(yè)務(wù)領(lǐng)域下對服務(wù)進(jìn)一步劃分，如信貸領(lǐng)域下的泛知識查詢、業(yè)務(wù)知識檢索、報表錄入與下載、閑聊等。從領(lǐng)域識別到領(lǐng)域下的用戶行為意圖識別，用戶意圖得以更精確地識別，數(shù)字人得以更好地理解用戶，更智能地提供相關(guān)服務(wù)。
在模型選擇方面，綜合考慮數(shù)據(jù)特點(diǎn)、業(yè)務(wù)場景等因素，最終選擇BERT模型作為意圖識別模型結(jié)構(gòu)（見圖2）。BERT模型是一種自編碼語言模型，采用transformer encoder部分，通過Masked語言模型和next sentence預(yù)測兩個任務(wù)預(yù)訓(xùn)練，快速遷移到下游任務(wù)中。實(shí)踐中結(jié)合特定場景的數(shù)據(jù)對該模型進(jìn)行微調(diào)，即可達(dá)到良好的效果。
圖2 BERT模型
在模型訓(xùn)練方面，主要有樣本準(zhǔn)備、文本預(yù)處理等步驟。樣本準(zhǔn)備包括：收集業(yè)務(wù)數(shù)據(jù)，為每條數(shù)據(jù)打上業(yè)務(wù)標(biāo)簽；采用文本相似度、關(guān)鍵詞抽取等方式擴(kuò)充數(shù)據(jù)集；主動學(xué)習(xí)方法，閉環(huán)標(biāo)注。準(zhǔn)備好樣本后，需要對文本進(jìn)行預(yù)處理，包括樣本清洗、分詞、去除停用詞、預(yù)訓(xùn)練語義詞向量初始化等。
對話實(shí)體抽取
在銀行中后臺業(yè)務(wù)場景中，用戶對話通常有報表下載等任務(wù)需求，且這些任務(wù)需求對話通常有若干語義槽的槽位需要填充，當(dāng)有槽位未填充時，需要回復(fù)話術(shù)引導(dǎo)用戶回答，填滿所有槽位。每一個槽位對應(yīng)一種實(shí)體，對槽位填充的過程即對話實(shí)體抽取過程。
在模型選擇方面，綜合考慮數(shù)據(jù)量級、工程建設(shè)等因素，最終選擇BERT+CRF模型作為實(shí)體抽取模型結(jié)構(gòu)（見圖3）。Bert模型通過海量數(shù)據(jù)的預(yù)訓(xùn)練，學(xué)習(xí)到普適性的知識，再通過上層添加CRF約束，對token級別的識別具有良好的效果。
圖3 BERT+CRF模型
在模型訓(xùn)練方面，與用戶意圖識別類似，包括樣本準(zhǔn)備、文本預(yù)處理過程等步驟，此處不再贅述。
模型蒸餾
為提升模型運(yùn)行效率，同時考慮到生產(chǎn)環(huán)境對模型容量等的限制，在業(yè)務(wù)場景中通常需要對模型進(jìn)行蒸餾。
模型蒸餾采用Teacher-Student遷移學(xué)習(xí)方法（見圖4），將Teacher模型的性能遷移到Student模型上，因Teacher模型網(wǎng)絡(luò)更為復(fù)雜，具有良好的泛化能力，可以用它學(xué)習(xí)到的soft knowledge來指導(dǎo)Student模型的學(xué)習(xí)，使得參數(shù)量更少、更簡單的Student模型也能夠具備與Teacher模型相近的學(xué)習(xí)能力。
實(shí)踐中，將上述意圖識別和實(shí)體抽取的兩個Bert系列模型作為Teacher，Bilstm模型作為student，通過Teacher-Student知識傳遞，最終將模型在效果未打折扣的情況下進(jìn)行規(guī)模壓縮，實(shí)現(xiàn)順利部署上線。
圖4 遷移學(xué)習(xí)
回流數(shù)據(jù)學(xué)習(xí)
數(shù)字人收集用戶反饋信息(投訴、回答錯誤反饋等)、新問題、新語料等數(shù)據(jù)，重新開始數(shù)據(jù)預(yù)處理、特征工程、模型訓(xùn)練等過程，即自我學(xué)習(xí)，其中模型訓(xùn)練依然使用前文提及的BERT、CRF等算法獲得新NLU模型，定時對原模型進(jìn)行更新，并重新部署。在部署過程中如遇效果不如原模型的情況，則會啟動回滾模式，回滾到上一版本NLU模型（見圖5）。
圖5 數(shù)據(jù)回流
回流知識信息還包括埋點(diǎn)信息、業(yè)務(wù)術(shù)語、屬性關(guān)聯(lián)等，這些知識信息通過各種途徑進(jìn)入數(shù)據(jù)湖沉淀、加工、組合，并形成索引后存儲在Elasticsearch
等知識庫中。數(shù)字人對接知識庫，通過意圖識別等模型進(jìn)行分詞檢索和匹配來獲取知識概要或索引，并對接數(shù)據(jù)湖底座，借助索引獲取數(shù)據(jù)資產(chǎn)等業(yè)務(wù)要素，豐富與精細(xì)化庫內(nèi)模板，并不斷進(jìn)行離線模型訓(xùn)練和迭代。
數(shù)字人在面對法務(wù)、運(yùn)維等新場景時，模型與QA數(shù)據(jù)庫也能自我驅(qū)動與更新，及時響應(yīng)新領(lǐng)域的問答與對話，快速適配新場景，同時也在用戶的不斷使用中進(jìn)行升級。
數(shù)字人交互實(shí)踐：通過“微前端+微服務(wù)”模式嵌入業(yè)務(wù)
數(shù)字人交互工程通過落地意圖配置、數(shù)據(jù)可視化、服務(wù)熱插拔等能力來達(dá)到整合業(yè)務(wù)服務(wù)、降低用戶使用門檻的目的，并通過“微前端+微服務(wù)”的模式以組件化低侵入的方式嵌入到業(yè)務(wù)系統(tǒng)。
意圖配置
數(shù)字人提供頁面支持用戶配置意圖，意圖配置包括用戶問題、槽位、詞典、服務(wù)實(shí)現(xiàn)、自動回復(fù)等模塊。用戶在配置帶槽位的問題時，需要為各個槽位設(shè)置對應(yīng)的詞典和追問問題，并通過設(shè)置服務(wù)信息來完成意圖與服務(wù)的映射。當(dāng)發(fā)生對話時，數(shù)字人工程通過意圖識別模型判斷用戶意圖，通過實(shí)體抽取模型提取任務(wù)關(guān)鍵詞補(bǔ)齊槽位信息，根據(jù)配置好的意圖和服務(wù)映射完成服務(wù)的調(diào)用，并將處理結(jié)果以可視化的形式呈現(xiàn)給用戶。
數(shù)據(jù)可視化
數(shù)字人的前端工程封裝了表單、卡片容器組件；同時，引入ECharts組件，配合ECharts定制和數(shù)據(jù)轉(zhuǎn)化適配工具，支持將查詢返回的數(shù)據(jù)結(jié)果以圖表、折線、波浪、扇形等直觀的形式展示。數(shù)字人支持自定義配置數(shù)據(jù)服務(wù)與展示組件的綁定關(guān)系，為用戶提供靈活多樣的數(shù)據(jù)可視化能力（見圖6）。
圖6 數(shù)據(jù)可視化
服務(wù)熱插拔
數(shù)字人底座能力基于Java服務(wù)動態(tài)擴(kuò)展機(jī)制（Dubbo SPI）編寫，SPI(Service Provider Interface)本質(zhì)是將接口實(shí)現(xiàn)類的全限定名配置在文件中，并由服務(wù)加載器讀取配置文件來加載實(shí)現(xiàn)類，這樣可以在運(yùn)行時動態(tài)為接口替換實(shí)現(xiàn)類。
在Java中，SPI是被用來給服務(wù)提供商做插件使用、基于策略模式來實(shí)現(xiàn)動態(tài)加載的機(jī)制。我們在程序中只定義一個接口，具體的實(shí)現(xiàn)交給不同的服務(wù)提供者；程序在啟動的時候，通過讀取配置文件來確定要調(diào)用哪一個服務(wù)提供者。同時，Dubbo重新實(shí)現(xiàn)了一套功能更強(qiáng)的SPI機(jī)制, 支持AOP（Aspect Orient Programming）與依賴注入，并且利用緩存提高加載實(shí)現(xiàn)類的性能，支持實(shí)現(xiàn)類的靈活獲取?；赟PI的能力，接入方可自行替換基礎(chǔ)能力，并整合存量功能組件形成新業(yè)務(wù)能力。
（1）基礎(chǔ)能力熱插拔替換。以意圖識別組件為例，意圖識別組件本身為基礎(chǔ)組件之一，接入方可根據(jù)框架規(guī)定的邊界開發(fā)全新的意圖識別組件進(jìn)行基礎(chǔ)能力替換；同時意圖識別組件內(nèi)部可分為意圖獲取、多意圖處理、意圖擴(kuò)展等二級組件，接入方亦可只針對二級組件進(jìn)行功能替換。
（2）功能服務(wù)整合。接入方可基于數(shù)字人整合存量業(yè)務(wù)服務(wù)，深度定制開發(fā)細(xì)分專業(yè)方向上的數(shù)字人，比如財報分析、產(chǎn)品體驗(yàn)、安全顧問、審批監(jiān)督等數(shù)字人。
微前端+微服務(wù)
為了多渠道觸達(dá)用戶，兼容各業(yè)務(wù)系統(tǒng)和平臺，數(shù)字人交互工程采用“微前端+微服務(wù)”模式進(jìn)行開發(fā)，并對人機(jī)對話的基礎(chǔ)功能進(jìn)行解耦和瘦身，支持云原生部署。
微前端借鑒了微服務(wù)的架構(gòu)理念，將一個龐大的前端應(yīng)用拆分為多個獨(dú)立靈活的小型應(yīng)用，每個應(yīng)用都可以獨(dú)立開發(fā)、獨(dú)立運(yùn)行、獨(dú)立部署，再將這些小型應(yīng)用聯(lián)合為一個完整的應(yīng)用。數(shù)字人基于iframe隔離的微前端方案，通過窗口變量與主系統(tǒng)完成數(shù)據(jù)交互來保證子應(yīng)用的正確加載、執(zhí)行和更新。通過微前端技術(shù)，數(shù)字人既可以與業(yè)務(wù)應(yīng)用融合為一，又可以減少應(yīng)用之間的耦合。
數(shù)字人微前端工程主要開展兩方面工作：一方面，工程內(nèi)底層處理邏輯封裝為npm依賴（例如iframe集成與微前端子工程加載等功能），并實(shí)現(xiàn)插件依賴自動注冊，降低工程代碼復(fù)雜度；另一方面，router、store等公共文件與功能代碼分離，實(shí)現(xiàn)功能代碼之間完全解耦，將公共文件中涉及功能代碼的部分抽取后放置在各功能文件夾內(nèi)部，收斂開發(fā)區(qū)域，方便移植和增刪功能代碼。
數(shù)字人的后端工程基于微服務(wù)架構(gòu)搭建，主要包括會話管理、意圖識別、智能問答與智能檢索、能力分發(fā)、任務(wù)管理、輔助能力（郵件發(fā)送、短信發(fā)送、持久化存儲等）等多個功能組件。通過對功能組件進(jìn)行畫像，確定邊界、輸入輸出，統(tǒng)一交互總線。在工程框架層面，在接入層核心組件設(shè)計(jì)時進(jìn)行設(shè)計(jì)模式抽象，再針對各基礎(chǔ)能力組件進(jìn)行第二層的松耦合設(shè)計(jì)，將技術(shù)代碼和業(yè)務(wù)能力代碼分層。接入方只需針對業(yè)務(wù)需求編寫微服務(wù)，通過意圖配置掛接服務(wù)，即可擴(kuò)展數(shù)字人的業(yè)務(wù)處理能力。同時，數(shù)字人自身也可以通過微服務(wù)的方式接入業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)無侵入式引入。
“混合型”人機(jī)團(tuán)隊(duì)的新型工作方式已成為一種趨勢
目前，數(shù)字人帶來的業(yè)務(wù)模式變革已初見效果：在報表下載匯總，審批文件歸檔，合同方章鑒別等重復(fù)性、機(jī)械性高的業(yè)務(wù)處理環(huán)節(jié)，數(shù)字人可為整體流程縮短約20%，降低20-50%的人力成本。在掌握了機(jī)器學(xué)習(xí)、微前端、微服務(wù)等開發(fā)技能后，不同產(chǎn)品線的開發(fā)者也可根據(jù)使用場景快速搭建具備相應(yīng)專業(yè)技能的數(shù)字人，為企業(yè)降本提效。
在銀行中后臺業(yè)務(wù)領(lǐng)域，根據(jù)人機(jī)各自優(yōu)勢積極構(gòu)建包括數(shù)字員工在內(nèi)的高效人機(jī)團(tuán)隊(duì)已逐漸成為趨勢，將進(jìn)一步推動業(yè)務(wù)工作質(zhì)效快速提升。隨著人工智能技術(shù)的不斷成熟，數(shù)字人的服務(wù)范圍將進(jìn)一步拓展，在對客服務(wù)、流程自動、運(yùn)營提效、內(nèi)部管理、風(fēng)險管控等方面發(fā)揮更大的作用。同時，數(shù)字人將越來越專業(yè)、越來越智能，以更人性化的方式與自然人交互，降低新老業(yè)務(wù)的使用門檻，促進(jìn)更高效的人機(jī)協(xié)同作業(yè)，應(yīng)對企業(yè)未來發(fā)展過程中面臨的機(jī)遇和挑戰(zhàn)。
— 活動推薦 —
都將獲得CSDN贈送的定制馬克杯一個！
以上就是關(guān)于工行特約商戶pos機(jī)是什么意思,工行里的數(shù)字員工是怎么來的的知識，后面我們會繼續(xù)為大家整理關(guān)于工行特約商戶pos機(jī)是什么意思的知識，希望能夠幫助到大家！
