我院本科生钟珊珊在自然语言处理国际顶级学术会议EMNLP 2022发表论文

客服服务是一个劳动密集型和知识密集型的行业，没有经过系统培训的人工客服很难准确、快速地解答用户问题，且客服行业往往存在员工流动性大、用户满意度低、服务成本高等问题，这些问题导致企业不得不在客服服务上花费大量成本。随着人工智能的发展，基于深度学习的聊天机器人成为客服行业一个高性价比的解决方案，在智能客服领域体现出巨大的研究和应用价值。然而，聊天机器人回复不准确的问题屡见不鲜，这极大地影响了用户体验。

大部分研究尝试从数据和模型角度出发来提升机器人回复准确度，但是仍然无法确保百分百准确。如果在智能客服服务中接入人机切换模型，将机器人客服无法处理的对话及时转接到人工客服处，人工客服对用户问题进行应答，并对用户进行安抚，必能使服务整体满意度得到提升，从而减少因为客服服务导致的交易失败。在智能客服人机切换（MHCH）领域，现有研究尝试使用强化学习、多任务学习等方式建模，这些方法存在主观性强、可解释性有待提高的问题，在挖掘人机切换场景下的因果关系和考虑人工成本因素等方面，仍有较大的提升空间。

为了解决上述问题，在李岱峰教授的指导下，我院2018级本科生钟珊珊（已保研到中山大学计算机学院）提出面向智能客服场景的因果强化模块（Causal-Enhance Module，CEM），基于因果图对智能客服人机切换场景进行分析，挖掘出潜在因果变量用户状态和人工成本，并通过构建用户子网络和基于反事实理论的成本模拟器提高模型的可解释性和实现成本最小化。

所提出模型在四个真实智能客服数据集上进行了大量实验，实验结果表明CEM能够快速迁移到现有MHCH方法中，并使得原有方法的性能得到提升。此外，李岱峰教授团队通过消融实验和成本分析验证了CEM各个设计的有效性。该研究的相关成果论文《CEM: Machine-Human Chatting Handoff via Causal-Enhance Module》被自然语言处理领域的国际顶级学术会议EMNLP 2022录用。EMNLP是由国际语言学会（ACL）下属的SIGDAT小组主办的自然语言处理领域的顶级国际会议，在计算语言学类别下影响力排名全球第二。

钟珊珊，中共党员，中山大学信息管理学院信息管理与信息系统专业2018级本科生，已保研至中山大学计算机学院。在校期间曾获中山大学优秀学生奖学金一等奖、中山大学学术创新奖、广东光大升学深造奖学金、“发现杯”全国大学生互联网软件设计大奖赛二等奖、中国情报学年会优秀论文三等奖、全国高校数据驱动创新研究大赛一等奖、“优秀志愿者”称号等奖项。

李岱峰，中山大学信息管理学院教授，博士生导师。研究方向为情报学、信息科学、前沿信息技术理论及应用。近五年以第一或通讯作者在Nature子刊Scientific Data、IPM、FGCS、JASIST、JOI、IMDS等国际高影响力刊物，EMNLP、CIKM、iConference等国际计算机、情报学领域顶级会议，数据分析与知识发现、情报科学等国内核心重要期刊发表论文20余篇，累计被引用次数600余次。主持多项国家自然科学基金面上、青年项目，以及广东省软科学项目，多次获得中山大学教学成果奖、年度优秀专职教师辅导员奖、信息管理学院良师奖等荣誉。担任全国CCKS、SMP等学术委员会委员，担任广汽集团、工商银行珠海软件研发中心等行业导师职务。是数据分析知识与发现、JASIST、Information Sciences、IPM、Pattern Recognition、JOI、IMDS等领域高影响力期刊，AAAI、WWW、WSDM、KDD、CIKM等国际顶级会议审稿专家。申请软件著作权1部，专利4项。近五年指导学生参与学科竞赛获省部级以上奖励20余次。

-- 中山大学InformationWorld ---

编辑：隆梦茜

责任编辑：郑宗洲

初审：孙立宝

审核：唐琼

审定发布：林俊洪

欢迎投稿

[e-mail]