Shopee Chatbot下拉推荐功能的构建与优化

作者:半吊子全栈工匠2024.12.02 14:36浏览量:34

简介:本文深入探讨了Shopee Chatbot团队如何构建并优化下拉推荐功能,通过召回+排序流程、多语言向量召回模型等技术手段,提升用户体验和问题解决效率,并分享了模型迭代优化的经验。

随着Shopee业务的不断扩张,消费者对客服咨询的需求日益增加。为了提升用户体验,减轻人工客服的压力,并节省人力资源成本,Shopee Chatbot团队致力于基于人工智能技术打造Chatbot与人工客服的有机结合。其中,下拉推荐功能作为Chatbot的重要组成部分,对于快速响应用户需求、提升购物体验具有至关重要的作用。

一、业务背景

Shopee Chatbot团队通过人工智能技术,旨在解决用户日常的咨询诉求,并提供更好的体验。随着用户规模的扩大,用户对客服咨询的需求也在不断攀升。为了应对这一挑战,Shopee Chatbot团队不断探索和创新,其中下拉推荐功能就是一项重要的技术创新。

下拉推荐,又名输入建议、搜索建议、自动补全或问题推荐等,已经成为主流搜索引擎、购物App和Chatbot等众多产品里的一项必需且标配的功能。其大致功能为:在用户输入查询词的时候,显示与输入query语义相关的推荐suggestion,供用户选择。通过这种方式,它可以协助用户更快地表达其想要检索的内容,进而帮助用户快速检索到所需要的内容。

二、下拉推荐功能的构建

在Shopee Chatbot中,下拉推荐功能的构建主要经历了以下几个阶段:

  1. 需求分析与功能设计:团队首先对用户的需求进行了深入分析,明确了下拉推荐功能的目标和预期效果。随后,进行了功能设计,确定了召回+排序的流程框架,以及推荐候选池的构建方式。
  2. 推荐候选池的构建:推荐候选池是下拉推荐功能的基础。团队使用了多种来源的数据,包括解决方案的标题、用于意图识别的标注数据以及大量的聊天日志。经过预处理和质量控制后,形成了包含丰富建议的推荐候选池。
  3. 多路召回与排序模块:为了找到最相似和最相关的建议作为推荐,团队采用了多路召回再合并的方式,包括文本召回和向量召回两种方式。文本召回使用Elasticsearch进行关键词匹配召回,而向量召回则通过训练向量召回模型来衡量query和suggestion的语义相似性。排序模块则根据召回结果的相关性和用户点击行为等因素进行排序。

三、技术挑战与解决方案

在构建下拉推荐功能的过程中,团队遇到了多个技术挑战,并逐一提出了解决方案:

  1. 多语言市场的适配:由于Shopee业务覆盖多个地区和语言市场,团队面临了多语言适配的挑战。为了解决这个问题,团队探索了多语言和多任务的预训练语言模型,并将其应用于下拉推荐中的向量召回。这一方案不仅降低了适配成本,还能实现跨语言召回。
  2. 口语化输入的处理:用户输入query较长且表述偏口语化,给文本召回带来了困难。为了解决这个问题,团队采用了向量召回作为文本召回的补充,通过训练向量召回模型来隐式地实现同义改写召回。
  3. 多目标优化的探索:为了使下拉推荐尽可能帮助用户并解决用户的问题,团队针对用户点击与问题解决这两个目标进行了同时建模,并在多目标优化方面进行了探索。这一方案旨在提升下拉推荐的准确性和用户满意度。

四、模型迭代与优化

随着业务的不断发展和用户需求的不断变化,团队对下拉推荐功能进行了持续的迭代和优化。具体来说:

  1. 数据更新与模型重训:团队定期更新推荐候选池中的数据,并根据新的数据重新训练向量召回模型。这一举措旨在保持下拉推荐功能的时效性和准确性。
  2. 用户反馈的收集与分析:团队通过收集用户反馈来了解下拉推荐功能的使用情况和问题所在。随后,根据反馈结果进行针对性的优化和改进。
  3. 算法与技术的创新:团队不断探索新的算法和技术手段来提升下拉推荐功能的效果。例如,尝试使用更先进的预训练语言模型、优化向量召回模型的训练方式等。

五、案例分享与效果评估

为了验证下拉推荐功能的效果,团队进行了多个案例分享和效果评估。例如,在某个多语言市场中,团队通过引入向量召回模型并优化排序算法,成功提升了下拉推荐的准确性和用户满意度。同时,团队还通过A/B测试等方式对下拉推荐功能进行了效果评估,并根据评估结果进行了进一步的优化和改进。

六、未来展望

展望未来,Shopee Chatbot团队将继续深化下拉推荐功能的研究和应用。一方面,将继续优化现有算法和技术手段,提升下拉推荐的准确性和效率;另一方面,将积极探索新的应用场景和功能拓展,为用户提供更加智能化和个性化的服务体验。

同时,团队还将加强与业务部门的沟通和合作,深入了解用户需求和市场变化,为下拉推荐功能的持续优化和创新提供有力支持。

在构建和优化Shopee Chatbot下拉推荐功能的过程中,千帆大模型开发与服务平台提供了强大的技术支持和保障。通过该平台,团队能够高效地构建和训练向量召回模型等关键组件,并快速迭代和优化算法和技术手段。未来,随着技术的不断进步和应用场景的拓展,千帆大模型开发与服务平台将在Shopee Chatbot的智能化服务中发挥更加重要的作用。

综上所述,下拉推荐功能在Shopee Chatbot中具有重要的应用价值和发展前景。通过持续的迭代和优化以及技术创新的推动,Shopee Chatbot团队将不断提升下拉推荐功能的准确性和用户满意度,为用户提供更加智能化和个性化的服务体验。