人工智能在政务上有什么应用
扫描二维码
随时随地手机看文章
摘要:随着人工智能、云计算、大数据等技术的快速发展,智能服务机器人的服务领域也越来越广。近年来国家体制改革越来越深入,对政务服务的要求也逐渐变高,智能服务机器人的出现可以快速处理海量数据,并且响应速度快,大大减少了政府工作人员的工作量,提高了服务质量。智能服务机器人为公众实时在线提供各类专业化、个性化服务,可以打破地域、时空的限制,提升公众对政务公共服务的满意度。
1 引言
2 建设意义
在受众广泛、业务复杂的政务服务领域,由大型政务呼叫中心与“能问、能查、能看、能听、能约、能办”的六能型政务服务平台所构建的互联网+政务服务体系,亟须借助人工智能让政务服务持续进化,更好地满足公民不断提升的公共服务效率和质量的需求,形成无时不有、无处不在的智能化服务环境。
3 系统构建
3.1 业务模型
智能服务机器人部署在云平台上,以实现动态扩展。其应用层的产品功能主要有以下几个模块构成包括语音分发、语义理解、数据汇聚、智能通信、微信公众号和知识共享社区等。通过这些功能模块为政务行业提供智能咨询服务。
图1 智能服务机器人业务模型
3.2 体系结构
基础层是云化层,包括计算虚拟化、存储虚拟化、网络虚拟化;针对税务、人社、市场监管、药监等政府行业领域应用的标注数据、模型数据,行业领域动态更新的知识图谱;大数据管理平台、基本算法库、企业服务总线;语音分发、语义理解、数据汇聚、智能知识管理、微信公众号、共享社区;标准体系规范、安全管理制度等模块构成。智能服务机器人可以为税务行业、人社行业、市场监管行业、交通行业、药监行业、信访行业、金融行业、电信行业、央企等各类复杂业务系统。
图2 体系结构图
3.3 关键技术
(1)知识图谱构建
对于政务行业应用来说,构建针对税务、人社、市场监管、药监等领域的知识图谱非常重要,知识图谱一般按照自底向上的方式构建,涉及多种智能信息处理技术,涉及知识抽取、知识融合等。
知识抽取技术主要面向开放的链接数据,通过自动化的技术抽取可用的知识单元,包括实体、关系和属性3个知识要素。实体抽取的方法包括基于规则与词典的方法,基于统计机器学习的方法等。关系抽取则主要解决实体间语义链接的问题,采取隐马尔科夫逻辑网、本体推理等方法实现关系的抽取。属性抽取则是完成对实体的完整勾画。
知识融合是高层次的知识组织。由于知识图谱中的知识存在一系列的问题,比如来源广泛、质量参差不齐、数据重复、关联不明确等,所以必须进行知识的融合,通过对数据整合、消歧、加工、推理验证、更新等步骤来实现。提供实体对齐、知识加工、知识更新等技术。
(2)智能问答
智能问答一般都有如下几个步骤,包括解析用户输入,用户查询意图分析与理解、查询与检索、候选答案生成与排序,输出结果等。这其中依赖一些关键技术,其中主要的关键技术有知识的抽取和表示,用户问句的语义理解和通过知识推理。
知识的抽取和表示主要通过构建知识图谱来实现;
用户问句的语义理解则是涉及自然语言处理,需要采用语义解析结合信息检索的技术。
知识推理则是在已有的知识库基础上进一步挖掘隐含的知识、从而丰富、扩展知识库。在推理过程中,需要关联规则的支持,提供基于逻辑的推理和基于图的推理算法。
(3)语音切割技术
语音切割支持各种采用率的语音文件,支持主流语音传输协议。
(4)语音负载分发技术
4 主要功能
4.1 智能语音平台
(1)智能语音导航
咨询者以语音开放的方式表述业务需求,系统将咨询者的语音转化为文本,并自动理解咨询者的自然语言中包含的准确业务需求,从而将语音菜单导航到咨询者所需功能节点。改变传统按键式的自助服务,将热线原有IVR菜单“扁平化”。咨询者直接使用自然语言与系统交互,说出来电需求后,语音导航系统自动分析判断,提供最适当的信息或者服务。
(2)智能语音咨询
(3)在线预约离线等待
选择预约服务后系统自动记录当前的排队情况,离线状态下系统自动计时,临近可接入时间时提示其再次呼入,极大地解决排队时长时间等待或再次拨入重新排队的难题。
(4)智能感知自动注册
通过微信端拨打服务通道,电话拨打至智能语音平台,自动绑定微信与主叫号码达到准实名制。
4.2 多通道智能平台
(1)微信智能咨询
(3)电话预约
(4)五险信息查询
提供养老保险、医疗保险、个人参保信息查询业务,咨询者输入个人身份证号及密码可查询个人五险信息。
4.3 多领域知识管理平台
提供专题词库、同义词维护、同音词维护、常用问答库、敏感词维护、常用网站维护、视频上传、办事指南维护、审核流程配置等功能,支持税务、人社、市场监管、药监、交通、信访等行业基础问答数据、模型数据建立。
4.4 众包知识共享社区
基于市场监管、税务、人社、药监等政务行业公共服务,建立知识共享社区,引入行业专家、一线工作人员等资源,为行业知识搜集提供全新的渠道,实现政务知识迭代、社会共建共享。
5 总结
随着我国“互联网+”的逐步推进,全社会对于智能化的需求越来越高。随着公众认识的提高,越拉越多的政府单位意识到智能服务机器人带来的便利性,行业应用的需求会越来越高,关键是算法的高效性需要进一步提高,尤其是在语义理解方面,随着应用场景的改变,需要越来越多的算法支撑。