详细内容或原文请订阅后点击阅览
建立统一意图识别引擎
模块化设计如何在企业AI系统中简化和扩展意图分类。邮政构建统一意图识别引擎首先出现在数据科学上。
来源:走向数据科学系统，了解用户意图是基本的，尤其是在我操作的客户服务领域中。然而，在整个企业团队中，意图认可经常发生在孤岛中，每个团队为不同产品建立定制管道，从故障排除助手到聊天机器人和发行分诊工具。这种冗余减慢了创新，使扩展成为挑战。
在系统缠结中发现图案
在AI工作流程中，我们观察到了一个模式 - 许多项目，尽管有不同的目的，但涉及了解用户输入并将其分类为标签。每个项目都通过一些变化来独立解决它。一个系统可能会将faiss与微小的嵌入式和LLM汇总配对，以供趋势主题，而另一个将关键字搜索与语义模型混合在一起。尽管单独有效，但这些管道共享了基本的组成部分和挑战，这是合并的主要机会。
我们将它们映射出来，并意识到它们都归结为相同的基本模式 - 清洁输入，将其变成嵌入，寻找相似的示例，评分相似性并分配标签。一旦看到这一点，它就会感到很明显：为什么一遍又一遍地重建相同的管道？创建一个模块化系统会更好，而不同的团队可以为自己的需求配置而无需从头开始吗？这个问题使我们走上了我们现在所说的统一意图识别引擎（UIRE）的道路。
认识到这一点，我们看到了一个机会。与其让每个团队建立一个一次性解决方案，我们可以标准化核心组件，例如预处理，嵌入和相似性评分，同时为每个产品团队留下足够的灵活性来插入自己的标签集，业务逻辑和风险阈值。这个想法成为UIRE框架的基础。
一个用于重用的模块化框架
这是流动通常的外观：
我们以这种方式组织了组件：
可重复的组件：