【摘 要】
：
北京教育考试院与科大讯飞公司于2019年起合作研发AI客服平台,将部署于科大讯飞云的智能语音系统与部署在阿里云的互联网电话系统相融合,建设机器人应答系统.客服系统针对教育考试招生咨询业务特点,通过话术设计,建立“拟人机器人”来替代人工,24小时接听并回答咨询电话.试运行阶段,“机器人”分流了约1/4的咨询量,应答准确且语音亲和度良好,得到了社会认可.这是省级考试招生机构首个AI客服实践探索,也是新
【机 构】
：
北京教育考试院 北京100081 科大讯飞公司 合肥230031
【出 处】
：
中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会
论文部分内容阅读
北京教育考试院与科大讯飞公司于2019年起合作研发AI客服平台,将部署于科大讯飞云的智能语音系统与部署在阿里云的互联网电话系统相融合,建设机器人应答系统.客服系统针对教育考试招生咨询业务特点,通过话术设计,建立“拟人机器人”来替代人工,24小时接听并回答咨询电话.试运行阶段,“机器人”分流了约1/4的咨询量,应答准确且语音亲和度良好,得到了社会认可.这是省级考试招生机构首个AI客服实践探索,也是新基建背景下,省级考试机构与国内顶级AI机构进行深度合作的新模式.
其他文献
随着信息化时代的到来,巨大的数据量给信息传输技术带来了挑战.互联网的快速应用与普及,迅速增加了互联网的用户数量,但也带来了信息量的爆炸式增长.各种各样的网络技术、在线视频、P2P技术等正在不断地消耗掉宝贵的网络带宽资源.大数据时代,云计算的到来更是给网络带宽提出了更加迫切的要求.以光纤为传输介质的波分复用系统WDM光网络的出现,满足了信息时代对网络的大带宽、高速率的传输要求.在现代光网络中,作为光
针对高校对数据访问的多样性需求,在已有数据中心的基础上,研究开发了具备良好通用性、灵活性和安全性的数据超市平台,设计了基于RBAC权限模型的细粒度数据权限划分模式,实现了可灵活配置的数据组装技术.该平台具备快速响应复杂数据访问需求的能力,是对高校数据中心在应用层面的扩展,也是对提高数据利用率、发挥数据中心应用价值的重要实践.
校园一卡通是高校建设的重要部分,但普遍存在无法满足个性化查询,无法对校园事件进行智能预测,在学生考评、安全监管、教学资源管理等方面决策成本较高等问题.针对北京邮电大学校园一卡通系统存在的这些问题,首先探讨了校园卡大数据的应用领域及价值,并根据北京邮电大学的实际情况,提出勾勒消费、上课及出入宿舍等行为的学生画像.针对学业管理和综合考评构建智慧一卡通的建设目标,并采用大数据技术和开放式平台,深度挖掘数
文中给出了一种从展示图到框架代码的转换方法,该方法能够处理图中的函数模块、含有条件与循环语义的模块以及反馈模块,可应用于工业自动化、工作流、软件工程以及计算机程序编译等领域,以解决图形组态、事务或程序流程图到实际代码映射等多种实际问题.
文中介绍了基于微信企业号的网络报修系统建设背景和中国农业大学网络报修工作的现状.依据中国农业大学用户的使用特点和需求,详细介绍了基于微信企业号的网络报修系统的主要功能,描述了系统的主要工作流程和优势.本系统从技术上优化报修流程结构,细化故障分类,记录维修问题和跟踪维修进展,在管理上提供了便捷统计数据和分析维护数据,推进了学校信息化建设,提高了用户服务品质.
经费的申请、使用和报销是高校财务管理的重要组成部分.传统的报销管理方式不仅效率低下,而且时间成本高,存在易出错、数据统计困难等问题.文中介绍了网上预约报销管理系统,其在传统流程中加入了报销人网上填写预约报销单的流程,使信息采集工作直达业务办理人,既减轻了报销人和财务管理人员的工作量,又为之后的会计核算、资金核算自动化提供了可靠支持.
软件的部署和管理是高性能计算公共平台运营工作中的重难点,容器技术提供类似于虚拟机的环境,使高性能软件的部署和管理更加灵活、简单.通过容器部署软件时,需要解决容器与高速网络兼容的问题并确保部署后容器无明显性能损耗.在Omni-Path高速网络环境中,使用Singularity容器技术部署软件,结果表明该部署方式不仅兼容Omni-Path网络,且性能表现良好.目前该软件部署方案已运用于北京大学高性能软
近年来,人体行为识别和深度学习是智能视频分析领域的热点及研究趋势,在视频检索、智能监控以及人机交互等方面具有广泛的应用前景及研究意义.传统的方法目前已难以适应复杂场景下的人体行为识别,且不再满足需求,利用深度学习的方法进行人体行为识别是当前的主流算法,但仍存在困难与挑战.根据人体行为识别的发展历程,首先介绍了早期传统的识别方法,然后重点对深度学习框架下的识别方法进行了分类介绍,其中包括当前常见的卷
碰撞威胁评估是实现安全自动驾驶的关键一步,通过对车辆当前环境的感知,可以获取其周围潜在关联对象,并由此进行威胁评估,从而有效识别车辆周围的威胁.在深入研究碰撞威胁评估算法的基础上,对现有碰撞威胁评估算法进行了分析.首先文中介绍了基于确定性方法与概率性方法的碰撞威胁评估算法,然后分别从算法的实时性和鲁棒性两方面进行了比较.最后对碰撞威胁评估算法的的研究趋势进行了展望.
随着科学技术的不断发展,人工智能领域成为当今的研究热点,尤其是深度学习备受各界瞩目.围绕目标追踪的深度学习方法,探索当今较为成熟的基本模型,具体包括卷积神经网络、循环神经网络、生成对抗网络和深度强化网络.针对每一个基本模型,文中均结合通俗易懂的经典例子来阐述其基本结构和操作流程.然后基于上述4个基本模型展开更为系统的分析和讨论,揭示各种方法的优势和不足.最后,立足于当今的科技发展形势,对深度学习的