中腾信大数据负责人详解“自然语言处理”的“智能之魂”

　　人类面对机器时，原本有两份优越感：智力与情感。如今，“智力”全面失守，只剩下“情感”聊以自慰了。不过在中腾信大数据业务负责人石正柏看来，未来“情感”方面的优越感也将消失。随着NLP（自然语言处理）的发展，机器的智能程度一定会实现质的飞越，机器也可通晓人类复杂而精妙的语言含义，自然地传情达意。

　　那么，到底什么是NLP？目前的发展情况怎么样？应用场景和商业价值又是怎样的？来听听石正柏为我们详解NLP这颗人工智能皇冠上的“明珠”。

　　NLP，机器实现智能的“灵魂”

　　石正柏，现任中腾信大数据业务负责人，专注于大数据与人工智能结合在互联网金融行业场景的落地。带领团队实现大数据计算平台，知识图谱计算平台，智能建模平台，智能质检以及智能语音机器人等平台和AI产品。

　　所谓NLP，就是开发能够理解人类语言的应用程序或服务，是人工智能和语言学交叉学科的一个领域，目标是计算机处理或“理解”自然语言，以执行语言翻译和问答的任务。

　　在石正柏看来，NLP就是让计算机懂得传情达意，通晓人类复杂而精妙的语言含义。只有当计算机具备了处理自然语言的能力时，机器才算有了真正的“灵魂”。

　　目前，NLP在机器翻译、文字识别、语音识别、语音合成、信息检索、信息抽取与过滤、文本分类与聚类、舆情分析和观点挖掘等场景中，都有广泛应用。

　　NLP的成功落地需要场景化

　　NLP的需求，无处不在，只要有语言出现的地方，就有NLP的用武之地。但通常无法简单概括NLP的需求，必须结合场景才能明确。像语音识别、人脸识别等应用，需求相对单一明确，与场景关联度低。例如语音识别是把语音转换成文字，无论转录、同声传译、对话场景，或是金融、教育等应用领域，需求是明确不变的。NLP需求的场景化，使NLP应用必须深入业务，只能针对具体场景具体定制，无法实现快速复制。这也是在NLP领域尚没有出现类似科大讯飞、商汤科技这样的独角兽公司的原因。

　　在石正柏看来，NLP技术的实际应用需要常识知识，而常识知识来源于具体的场景。常识知识包括两种，一种是通用知识，这些是普通人都掌握的知识。另一种是具体场景下的业务知识，例如催收场景下具体的催收流程、催收术语和催收话术等，这些是专业人员所拥有的专业知识，必须来源于场景。

　　具体场景下的业务知识，一般是由两类人掌握。一是具体业务人员，如一线催收人员，但他们只懂业务，而对技术了解甚少；一是提供行业解决方案的应用开发人员，如中腾信智能语音机器人的开发工程师，既懂业务，又懂技术，做到了二者的结合。而对一般NLP开发人员来说，场景业务知识是短板。这是很多NLP技术人员，甚至是高校和大厂的顶级专家，落地到具体场景应用下倍感挫折的原因。NLP应用的落地，一定要将NLP技术与场景的常识知识结合起来。

　　NLP的贷后应用场景

　　聚焦在金融领域，NLP的落地相对靠前。众多机构都在不遗余力地投入，谋求该技术在实际业务运用中的突破，中腾信即为其中的佼佼者。

　　目前，中腾信自主研发的智能语音机器人平台已经产品化落地，并在公司内部的催收场景下取得了优异的效果。该平台通过深度学习技术，根据公司近年来运营过程中积累的亿级催收对话语聊，基于催收垂直领域，训练生成了用户意图理解模型和对话管理模型，使机器人具备了精准意图识别能力和上下文记忆功能。通过知识图谱技术，该平台进一步丰富完善了机器人的通用知识和业务知识，进一步提高了机器人的意图识别能力和推理能力。

　　通过使用催收机器人，中腾信逾期1天客户回收率足足提升了15%，远超同行业友商机器人6%左右的数据。

　　在质检方面，智能质检系统可通过对坐席和客户间的电话录音进行语音识别ASR的处理，将转化后的文字运用NLP、深度学习、语音情感识别等技术快速建立文本索引，再结合管理人员预先设置的质检规则，自动对通话内容进行质检分析，生成分析结果后由质检人员复检后最终确认出违规的录音。

　　石正柏介绍，传统人工质检覆盖率仅为2%，信息的提取与处理时长平均需要60分钟，每天人均质检数量也不过100件左右。而智能质检的上线使用，使得质检率达到100%全覆盖，信息提取与处理时长缩到极短的10秒，质检数量每天超万件。在全覆盖率的基础上效率同时提升了百倍以上。

　　基于上述技术与具体场景相结合的丰富实践经验积累，中腾信总结了一整套NLP技术快速落地应用的流程规范，不仅是贷后管理场景，在智能客服等多领域也能够大展拳脚。

　　核心技术能力是如何练成的？

　　罗马不是一天建成的。在石正柏看来，紧随公司金融科技的战略规划，持续引进人才和团队的持续学习是NLP技术能够在中腾信生根发芽，长出茂盛果实的重要基础。

　　石正柏说：“我觉得自己挺幸运的，公司给了实战机会和平台，让自己能够学有所用，也感谢领导信任，能够把重要的工作交给团队来做。”一开始团队只有几个人，随着公司人才战略的推进，如今已壮大成由35名工程师组成的大团队。现在的团队成员多为90后，他们敢想敢拼，时常自愿工作到凌晨，直至圆满完成任务，这让他这个做领导的也不敢懈怠。

　　高强度的工作下，年纪轻轻的石正柏发际线似乎已经越来越高。他略显自嘲地说：“人家都说我是90后的脸蛋，80后的年龄，70后的发际线” 。

　　在石正柏看来，相比于图像识别的应用落地，NLP还有很长远的路要走，也是一个需要不断学习的领域，不停研究Paper、学习新技术、阅读专业的IT期刊、参加专业技术交流等都是他和团队重要的学习与提升渠道。

　　为了让技术能够在业务场景中更好地创造价值，研发团队也在实战中不断打磨细节，提升实战能力。例如，在语音转文字时，噪音、方言等因素，会导致转化准确率不高的情况出现。初期，系统会将“中腾信”误译成“中诚信”。通过对业务场景的不断纠错，研发团队把原有语音转文本的准确率，提高到了85%-90%的高水准。同时团队成员还根据亿级语音样本，不断专研学习心理学、谈判技巧，设计出高水准话术模型输入机器人催收系统。

　　在语音质检环节，中文汉字的口语化表述容易引发歧义，机器人无法清晰判断通话内容是否合规，从而影响贷后催收的效率。“‘你的意思是说我这人有意思’是什么意思？”石正柏问道。在智能质检的迭代过程中，初期智能质检系统无法识别‘意思’这个词的言外之意”。现在，“攻城狮”们让机器学会了上下语境理解，以及结合语句的停顿，理解词语“意思”在具体语义环境中的具体所指。

　　科学研究像一棵参天大树。而NLP作为细分学科才刚刚发芽，但它是学科交叉生出的枝节，是科学的生长点，可以充分发挥创造性，提出很多新的理论、方法。相信随着NLP在消费金融多场景的深入应用，石正柏和他带领的研发团队会攻克更多技术难题，中腾信金融科技能力将得到进一步提升，并始终保持行业领先地位。