eBay ShopBot购物机器人的架构设计思路
极客时间编辑部
讲述:杜力大小:1.02M时长:02:14
2017QCon 纽约大会上,来自 eBay 的软件工程师 Robet Enyedi 分享了 ShopBot 个人购物助手背后的架构设计。这款购物机器人助手于 2016 年发布,基于 Facebook Messenger 打造,集成了 AI 组件和 eBay 的用户数据,通过对话的形式来为用户提供购物选择。
Robet 认为 AI 技术给商业带来了深远的影响,简洁的、能够提供个性化交互的在线购物体验才能满足当前用户的需求。
开发购物聊天机器人有诸多挑战,例如要解决关联性问题,提供购物会话、信息会话以及售后会话等功能,这可不只是简单搜索。同时,系统设计上也存在约束,比如用户的输入信息可能比较少,或者由于多次交互导致用户输入信息零散化等。要准确理解用户输入的信息,需要大量的数据作为输入,系统的输出也要能做到足够友好。
第三方机器人框架一般都支持自然语言理解和处理、意图检测(例如天气、航班以及购物等信息)、实体抽取(例如数字、温度等信息)等。但是它们在非线性会话和粗粒度机器人记忆功能方面很有限,API、工具和实现方面的可用度和成熟度也千差万别。eBay 团队自己实现了机器人解决方案,可以提供商务感知的输入分析,这些分析结果又可以通过大规模数据分析、细粒度的长期且存储安全的机器人记忆管理来调整,并且支持非线性多轮次会话。
购物机器人技术栈基于微服务架构,包括 Java 8、Scala、Python、Play、Google Cloud BigTable 以及 Spark 机器学习模型训练。部署模型基于 Google 云平台、Docker 以及 Kubernetes。
这款应用支持多轮次会话和多模式系统输入等特性。多模式系统输入可以是文本、点击、音频或者所有这些输入的混合。多轮次对话则包含围绕某个话题的对话,这比传统的一维搜索效率更高。
另外,对话管理器是购物机器人应用的核心模块,输入分析、机器人记忆管理、商品检索、搜索以及知识图谱等,都依赖对话管理器。
Robet 也表示,购物机器人未来计划在云端提供 eBay 全部的库存详单,并且在非线性对话交流功能上持续创新,以提供更好的用户体验。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论