中國(guó)移動(dòng)已進(jìn)入“客戶(hù)需求多元化、客戶(hù)體驗(yàn)個(gè)性化、行業(yè)特征高度適配化”的數(shù)字化運(yùn)營(yíng)階段,商業(yè)形態(tài)、運(yùn)營(yíng)模式相比以往都發(fā)生了巨大變化,如何利用大數(shù)據(jù)、人工智能等新技術(shù),根據(jù)通信與數(shù)字化服務(wù)數(shù)據(jù)來(lái)精準(zhǔn)識(shí)別客戶(hù)潛在意圖、負(fù)面傾向,并發(fā)現(xiàn)新商機(jī)、避免升級(jí)投訴,決定了未來(lái)的發(fā)展空間與競(jìng)爭(zhēng)能力。
2020年以來(lái),人工智能領(lǐng)域的發(fā)展趨勢(shì)正在發(fā)生重要的變化,由“感知智能”向“認(rèn)知智能”?!罢J(rèn)知智能”是人工智能技術(shù)發(fā)展的高級(jí)階段,旨在賦予機(jī)器數(shù)據(jù)理解、知識(shí)表達(dá)、邏輯推理、自主學(xué)習(xí)的能力,使機(jī)器能夠擁有類(lèi)似人類(lèi)的智慧,甚至具備各個(gè)行業(yè)領(lǐng)域?qū)<业闹R(shí)積累和運(yùn)用的能力。認(rèn)知智能的實(shí)現(xiàn)離不開(kāi)知識(shí)圖譜技術(shù)、自然語(yǔ)言處理技術(shù)的支撐。知識(shí)圖譜就是讓機(jī)器識(shí)別人類(lèi)經(jīng)驗(yàn)知識(shí)的一種很好的表達(dá)方法,通過(guò)schema建立數(shù)據(jù)關(guān)系模型來(lái)表達(dá)客觀世界,讓機(jī)器認(rèn)識(shí)世界,通過(guò)在關(guān)系模型上建立推理規(guī)則來(lái)表達(dá)人類(lèi)積累的專(zhuān)業(yè)經(jīng)驗(yàn),讓機(jī)器去改造世界。
因此,天津公司在知識(shí)圖譜賦能業(yè)務(wù)運(yùn)營(yíng)領(lǐng)域持續(xù)努力,打造了構(gòu)建“一體兩面”的知識(shí)圖譜運(yùn)營(yíng)體系,在智能應(yīng)答和存量運(yùn)營(yíng)兩大核心業(yè)務(wù)領(lǐng)域開(kāi)展了一系列知識(shí)圖譜賦能實(shí)踐,先后完成了智能應(yīng)答知識(shí)圖譜,企管支撐知識(shí)圖譜,權(quán)益運(yùn)營(yíng)知識(shí)圖譜,5G換機(jī)知識(shí)圖譜,預(yù)離網(wǎng)知識(shí)圖譜,預(yù)沉默知識(shí)圖譜,并打造了面向運(yùn)營(yíng)人員的知識(shí)圖譜個(gè)性化管理系統(tǒng),嵌入到大數(shù)據(jù)微營(yíng)銷(xiāo)平臺(tái)中,尤其注重知識(shí)圖譜賦能重要場(chǎng)景和重點(diǎn)業(yè)務(wù)運(yùn)營(yíng)工作,并嵌入公司運(yùn)營(yíng)管理主體流程中形成固化,在存量經(jīng)營(yíng)、客戶(hù)服務(wù)、零售運(yùn)營(yíng)、預(yù)警挽留等多個(gè)領(lǐng)域全場(chǎng)景打造AI標(biāo)桿應(yīng)用,并驗(yàn)證了AI賦能業(yè)務(wù)的價(jià)值和規(guī)?;瘧?yīng)用的可行性,同時(shí)積極推進(jìn)能力的共享開(kāi)放、應(yīng)用推廣。
2 場(chǎng)景化運(yùn)營(yíng)成果
天津公司沉淀了多項(xiàng)重要知識(shí)圖譜模型的通用方法,搭建了完整的知識(shí)圖譜訓(xùn)練和推理應(yīng)用架構(gòu),打造了構(gòu)建“一體兩面”的知識(shí)圖譜運(yùn)營(yíng)體系,在圖譜構(gòu)建、營(yíng)業(yè)推薦、存量保有等領(lǐng)域打造了6大標(biāo)桿應(yīng)用,正在持續(xù)優(yōu)化和推廣中。
一體:知識(shí)圖譜運(yùn)營(yíng)管理系統(tǒng)。嵌入IOP微營(yíng)銷(xiāo)主流程,實(shí)現(xiàn)個(gè)性化數(shù)據(jù)選擇、模型訓(xùn)練和客群生成。
兩面:智能應(yīng)答知識(shí)圖譜,存量運(yùn)營(yíng)知識(shí)圖譜。其中,智能應(yīng)答知識(shí)圖譜包括:系統(tǒng)運(yùn)維知識(shí)圖譜:在運(yùn)維服務(wù)領(lǐng)域應(yīng)用知識(shí)圖譜,賦能智能應(yīng)答系統(tǒng)進(jìn)行自服務(wù)、預(yù)服務(wù);企管知識(shí)圖譜:打造面向企管支撐場(chǎng)景的個(gè)性化知識(shí)圖譜,從歷時(shí)工單挖掘規(guī)律,輔助問(wèn)題解決。存量運(yùn)營(yíng)知識(shí)圖譜包括:權(quán)益知識(shí)圖譜:基于互聯(lián)網(wǎng)權(quán)益訂購(gòu)種子用戶(hù)進(jìn)行用戶(hù)群識(shí)別+權(quán)益推薦;5G換機(jī)知識(shí)圖譜:通過(guò)5G終端用戶(hù)進(jìn)行屬性知識(shí)推理,識(shí)別5G換機(jī)商機(jī);預(yù)離網(wǎng)知識(shí)圖譜:離網(wǎng)預(yù)警,客戶(hù)維系和業(yè)務(wù)推薦;預(yù)沉默知識(shí)圖譜:沉默用戶(hù)預(yù)先識(shí)別,主動(dòng)運(yùn)營(yíng)服務(wù)。
(1)系統(tǒng)運(yùn)維知識(shí)圖譜
打造了面向B域服務(wù)領(lǐng)域的專(zhuān)用知識(shí)圖譜,構(gòu)建運(yùn)維語(yǔ)義網(wǎng)絡(luò),將運(yùn)維知識(shí)實(shí)體之間的關(guān)系和邏輯進(jìn)行圖形化展示,為“集智幫幫堂”智能機(jī)器人輸出智慧應(yīng)答能力,為工單處理輸出自動(dòng)回復(fù)能力。在CRM/BOSS等營(yíng)業(yè)前端,提供業(yè)務(wù)/服務(wù)/數(shù)據(jù)/事件之間復(fù)雜關(guān)系的結(jié)構(gòu)化輸出,串聯(lián)運(yùn)營(yíng)與運(yùn)維,為中國(guó)移動(dòng)業(yè)務(wù)、服務(wù)、營(yíng)銷(xiāo)、運(yùn)維等全量場(chǎng)景提供圖譜化的實(shí)體邏輯支撐,驅(qū)動(dòng)業(yè)務(wù)服務(wù)一體化,服務(wù)支撐智能化,海量數(shù)據(jù)處理自動(dòng)化。知識(shí)圖譜系統(tǒng)的訓(xùn)練數(shù)據(jù)來(lái)源于海量的BOMC工單、在線客服記錄、業(yè)務(wù)需求文本等,通過(guò)語(yǔ)義、邏輯識(shí)別,抽取出實(shí)體(業(yè)務(wù)、故障、異常、需求等)之間的關(guān)系,在客服系統(tǒng)實(shí)現(xiàn)語(yǔ)義搜索、智能問(wèn)答、可視化業(yè)務(wù)知識(shí)搜索。
系統(tǒng)運(yùn)維知識(shí)圖譜作為智能應(yīng)答的核心功能,也是中國(guó)移動(dòng)智慧中臺(tái)一期(2020年)建設(shè)內(nèi)容的重要場(chǎng)景之一,通過(guò)以自然語(yǔ)言生成、知識(shí)圖譜意圖切換、運(yùn)維知識(shí)融合、原子化語(yǔ)義抽取等技術(shù)打造運(yùn)維機(jī)器人,以智能運(yùn)維助手方式對(duì)網(wǎng)格支撐、營(yíng)業(yè)一線等實(shí)現(xiàn)倒三角服務(wù)支撐,目前已入駐集團(tuán)統(tǒng)一AI中臺(tái),實(shí)現(xiàn)了一點(diǎn)部署、全網(wǎng)賦能,輸出知識(shí)圖譜能力。
(2)企管知識(shí)圖譜
針對(duì)企管客戶(hù)支撐的垂直行業(yè)場(chǎng)景,打造了“多輪對(duì)接+知識(shí)圖譜”驅(qū)動(dòng)的智能應(yīng)答機(jī)器人及知識(shí)圖譜系統(tǒng),企管知識(shí)圖譜是運(yùn)維知識(shí)圖譜構(gòu)建模式在企管支撐領(lǐng)域的個(gè)性化應(yīng)用,也是基于歷史工單記錄的客戶(hù)需求預(yù)測(cè),融合“集智幫幫堂”幫助臺(tái)大廳實(shí)現(xiàn)客戶(hù)問(wèn)題的智能處理,以AI技術(shù)確保問(wèn)題能得到合理反饋,機(jī)器人服務(wù)感知良好。同時(shí),企管知識(shí)圖譜的性能和精益運(yùn)營(yíng)密不可分,系統(tǒng)結(jié)合業(yè)務(wù)流程和機(jī)器學(xué)習(xí),打造了“人-機(jī)”協(xié)同的知識(shí)圖譜運(yùn)營(yíng)模式,實(shí)現(xiàn)快速敏捷的知識(shí)沉淀、提取和賦能。
(3)權(quán)益推薦知識(shí)圖譜
針對(duì)互聯(lián)網(wǎng)權(quán)益的運(yùn)營(yíng)和推薦是集團(tuán)公司年度重點(diǎn)工作,天津公司構(gòu)建知識(shí)圖譜驅(qū)動(dòng)的權(quán)益新體系,以知識(shí)圖譜語(yǔ)義網(wǎng)絡(luò)捕捉客戶(hù)潛在意圖及推薦商機(jī),基于多種可能的推薦鏈路進(jìn)行推薦排序,將大數(shù)據(jù)系統(tǒng)、IOP微營(yíng)銷(xiāo)、CRM權(quán)益產(chǎn)品及優(yōu)惠等系統(tǒng)能力進(jìn)行語(yǔ)義鏈接,將傳統(tǒng)的業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)化為三維關(guān)系型數(shù)據(jù)。權(quán)益推薦知識(shí)圖譜每個(gè)實(shí)體節(jié)點(diǎn)均為一名客戶(hù),關(guān)系鏈接構(gòu)建的源數(shù)據(jù)主要有兩類(lèi):基礎(chǔ)屬性(標(biāo)簽),作為客戶(hù)意圖挖掘和個(gè)性化推薦的基礎(chǔ),蘊(yùn)含豐富的語(yǔ)義信息,如用戶(hù)使用終端品牌、用戶(hù)等級(jí)、用戶(hù)品牌、消費(fèi)金額、異常特征等,將屬性進(jìn)行定量分析后即可生成屬性類(lèi)關(guān)系;互聯(lián)網(wǎng)內(nèi)容偏好(DPI解析的瀏覽頻次),通過(guò)獲取用戶(hù)訂購(gòu)信息并進(jìn)行權(quán)益使用的定量分析后,生成具體互聯(lián)網(wǎng)APP(優(yōu)酷,騰訊視頻、愛(ài)奇藝等)偏好類(lèi)關(guān)系;將客戶(hù)號(hào)碼與“基礎(chǔ)屬性、互聯(lián)網(wǎng)內(nèi)容偏好、權(quán)益訂購(gòu)記錄”三類(lèi)語(yǔ)義關(guān)系進(jìn)行統(tǒng)一整合后,生成了全量用戶(hù)的圖譜關(guān)系網(wǎng)。在大數(shù)據(jù)運(yùn)營(yíng)基礎(chǔ)上引入AutoML理念,實(shí)現(xiàn)海量數(shù)據(jù)的智能挖掘和規(guī)則提取,驅(qū)動(dòng)權(quán)益優(yōu)惠在全量客戶(hù)進(jìn)行精準(zhǔn)投放,助力外呼營(yíng)銷(xiāo)、企業(yè)微信等營(yíng)業(yè)場(chǎng)景進(jìn)行權(quán)益精益推薦,同時(shí)知識(shí)圖譜的推薦解釋能力可以賦能客戶(hù)服務(wù)系統(tǒng),實(shí)現(xiàn)客戶(hù)感知提升。
(4)5G換機(jī)知識(shí)圖譜
5G換機(jī)知識(shí)圖譜和權(quán)益知識(shí)圖譜的實(shí)現(xiàn)方式類(lèi)似,也是基于圖網(wǎng)絡(luò)的協(xié)同過(guò)濾+鏈路預(yù)測(cè)方式,針對(duì)種子用戶(hù)(已換機(jī)5G用戶(hù))尋找屬性最相似的客戶(hù)群,并進(jìn)行推薦最佳終端型號(hào)。大數(shù)據(jù)標(biāo)簽庫(kù)作為客戶(hù)意圖挖掘和個(gè)性化推薦的基礎(chǔ),蘊(yùn)含諸如屬性、基本信息、終端偏好、品牌偏好、換機(jī)特征、行為特征、位置、家庭關(guān)系等豐富的語(yǔ)義信息,客戶(hù)號(hào)碼與便簽均作為知識(shí)圖譜的“實(shí)體”,兩者關(guān)系作為“邊”,另外也納入客戶(hù)對(duì)5G終端的瀏覽日志作為偏好標(biāo)簽,共納入基礎(chǔ)屬性(包括10個(gè)基礎(chǔ)屬性、12個(gè)5G換機(jī)專(zhuān)用標(biāo)簽),和客戶(hù)在主流電商平臺(tái)的5G終端搜索記錄偏好標(biāo)簽11個(gè),構(gòu)建知識(shí)圖譜并基于鏈路預(yù)測(cè)方式,根據(jù)已5G換機(jī)用戶(hù)對(duì)其他全量用戶(hù)的換機(jī)概率進(jìn)行預(yù)測(cè),輸出客戶(hù)針對(duì)主流5G終端品牌(小米、華為、oppo等)的換機(jī)推薦型號(hào)及置信度。推薦結(jié)果以IOP方式對(duì)全渠道輸出,反饋到前端業(yè)務(wù)工具支撐渠道經(jīng)理、存量運(yùn)營(yíng)經(jīng)理等進(jìn)行終端推薦,推薦理由也可輔助生成推薦話(huà)術(shù),運(yùn)營(yíng)邏輯也可固化下來(lái)成為知識(shí),協(xié)助權(quán)益運(yùn)營(yíng)策略不斷迭代優(yōu)化。
(5)預(yù)沉默識(shí)別知識(shí)圖譜
天津公司基于知識(shí)圖譜打造了預(yù)離網(wǎng)客戶(hù)識(shí)別模型,基于知識(shí)圖譜技術(shù)對(duì)預(yù)沉默屬性的重要影響度進(jìn)行知識(shí)推理、聚類(lèi)分析,對(duì)于不同類(lèi)別結(jié)合專(zhuān)家對(duì)預(yù)沉默用戶(hù)特征給出類(lèi)別的名稱(chēng)和描述,幫助運(yùn)營(yíng)人員進(jìn)行分析預(yù)沉默用戶(hù)的原因。模型首先通過(guò)隨機(jī)森林算法實(shí)現(xiàn)標(biāo)簽針對(duì)場(chǎng)景的重要性排序,通過(guò)KNN算法建立待識(shí)別客戶(hù)的聯(lián)系,形成語(yǔ)義網(wǎng)絡(luò),根據(jù)標(biāo)簽傳播算法(LPA)實(shí)現(xiàn)面向圖神經(jīng)網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)方法,實(shí)現(xiàn)已處于“預(yù)離網(wǎng)”狀態(tài)的客戶(hù)標(biāo)簽向全量用戶(hù)標(biāo)簽的傳播,輸出離網(wǎng)高風(fēng)險(xiǎn)客戶(hù)號(hào)碼列表和離網(wǎng)概率。算法實(shí)施過(guò)程中,基于節(jié)點(diǎn)影響度分析算法計(jì)算用戶(hù)對(duì)于周邊鏈接節(jié)點(diǎn)的影響度,基于信息增益等機(jī)器學(xué)習(xí)指標(biāo)篩選判斷指標(biāo)是否對(duì)于用戶(hù)是否離網(wǎng)有顯著影響,影響大的作為顯著特征,影響用戶(hù)和顯著特征做相似度匹配,相似度高的作為大概率離網(wǎng)用戶(hù),輸出做對(duì)應(yīng)提前預(yù)警。
3 統(tǒng)一運(yùn)營(yíng)管理
知識(shí)圖譜必須嵌入公司主體業(yè)務(wù)運(yùn)營(yíng)流程才能體現(xiàn)價(jià)值,針對(duì)目前現(xiàn)有的一系列專(zhuān)用知識(shí)圖譜模型,包括權(quán)益知識(shí)圖譜、5G換機(jī)識(shí)別知識(shí)圖譜和沉默識(shí)別知識(shí)圖譜等,知識(shí)圖譜關(guān)系復(fù)雜,基礎(chǔ)數(shù)據(jù)量大,為了便于每一位存量運(yùn)營(yíng)人員都能靈活方便的使用知識(shí)圖譜,天津公司構(gòu)建了存量運(yùn)營(yíng)知識(shí)圖譜管理系統(tǒng),力求數(shù)據(jù)融合、業(yè)務(wù)融通、算法融智,針對(duì)大數(shù)據(jù)平臺(tái)輸出的全量用戶(hù)屬性寬表、全量用戶(hù)服務(wù)工單記錄及在線會(huì)話(huà)記錄,實(shí)現(xiàn)模型的個(gè)性化設(shè)置和獨(dú)立訓(xùn)練,并基于業(yè)務(wù)需求輸出結(jié)果。具體業(yè)務(wù)條線的運(yùn)營(yíng)人員,針對(duì)大數(shù)據(jù)同步的全量客戶(hù)屬性寬表,可以個(gè)性化靈活選擇符合自身場(chǎng)景的標(biāo)簽,并基于自身運(yùn)營(yíng)場(chǎng)景進(jìn)行生活、音樂(lè)、視頻、閱讀等偏好的個(gè)性化選擇,并靈活設(shè)置推薦權(quán)益與屬性之前的推薦權(quán)重,每一名存量運(yùn)營(yíng)人員可以基于自身需要去訓(xùn)練個(gè)性化知識(shí)圖譜,實(shí)現(xiàn)敏捷高效的支撐模式。在任務(wù)管理模塊,運(yùn)營(yíng)人員可以管理自定義模型的訓(xùn)練狀態(tài)、推薦結(jié)果生成狀態(tài),并對(duì)推薦結(jié)果進(jìn)行測(cè)試和驗(yàn)證,實(shí)現(xiàn)模型訓(xùn)練的“事前-事中-事后”全流程可視化管控。
4 應(yīng)用效果
天津公司已構(gòu)建一系列知識(shí)圖譜,鏈接用戶(hù)需求、知識(shí)、常識(shí)、權(quán)益和商機(jī),基于語(yǔ)義推薦鏈路進(jìn)行權(quán)益推薦排序,嵌入IOP主流程,實(shí)現(xiàn)賦能大數(shù)據(jù)標(biāo)簽庫(kù)/微營(yíng)銷(xiāo)平臺(tái)進(jìn)行個(gè)性化推薦,智能客戶(hù)畫(huà)像,用戶(hù)群智能分析及生成,用戶(hù)權(quán)益協(xié)同營(yíng)銷(xiāo),在前端應(yīng)用(電子渠道,CRM,輕量化工具,短信,外呼等)實(shí)現(xiàn)權(quán)益運(yùn)營(yíng)的集中化支撐。具體效果包括:
權(quán)益運(yùn)營(yíng)知識(shí)圖譜,基于天津公司900萬(wàn)全量客戶(hù)的17類(lèi)基礎(chǔ)屬性(標(biāo)簽)和9類(lèi)市場(chǎng)部關(guān)注互聯(lián)網(wǎng)內(nèi)容權(quán)益(愛(ài)奇藝、騰訊視頻等),生成RDF三元組數(shù)據(jù)2.09億條,并基于基礎(chǔ)關(guān)系數(shù)據(jù)生成105億條推薦鏈路(權(quán)益推薦方案),已納入IOP實(shí)現(xiàn)全公司賦能。針對(duì)隨心選雙V會(huì)員優(yōu)惠的外呼推薦中,在5月22日的成功率最高達(dá)16.1%,相比傳統(tǒng)方法提升了10%,實(shí)現(xiàn)面向權(quán)益運(yùn)營(yíng)的營(yíng)銷(xiāo)推薦辦理率大幅度提升。
5G潛在換機(jī)知識(shí)圖譜,納入5G換機(jī)相關(guān)的客戶(hù)標(biāo)簽寬表及客戶(hù)的終端瀏覽記錄,完成第一輪模型訓(xùn)練,輸出客戶(hù)針對(duì)主流5G終端品牌(小米、華為)等的偏好概率,由于本階段納入的屬性過(guò)多,達(dá)到40余個(gè),生成推薦鏈路超過(guò)500億條,第一階段形成9.8萬(wàn)5G換機(jī)推薦目標(biāo)客戶(hù),目前正在基于進(jìn)行圖數(shù)據(jù)庫(kù)加速運(yùn)算,結(jié)合推薦結(jié)果進(jìn)行優(yōu)化迭代。
運(yùn)維知識(shí)圖譜已與2019年12月正式上線,與“集智幫幫堂”協(xié)同實(shí)現(xiàn)智能客服、知識(shí)庫(kù)、工單處理和服務(wù)預(yù)測(cè)功能,已抽取出400種故障現(xiàn)象,48種解決方案,最終生成8311個(gè)圖譜關(guān)系,累計(jì)為內(nèi)外部客戶(hù)提供了2.5萬(wàn)人次的智能應(yīng)答服務(wù)。在人工智能技術(shù)的助推下,天津公司的智能應(yīng)答會(huì)話(huà)在總服務(wù)中的占比已達(dá)51%,整體服務(wù)效率提升約25%。直接回復(fù)率提升了10%,降低投訴工單總量20%?,F(xiàn)階段針對(duì)現(xiàn)存問(wèn)題進(jìn)行集中梳理,形成N大技術(shù)提升項(xiàng)目群,協(xié)調(diào)了專(zhuān)業(yè)的AI專(zhuān)家、博士團(tuán)隊(duì)集中攻關(guān),在自然語(yǔ)言生成技術(shù)、知識(shí)圖譜意圖切換,BERT模型個(gè)性化訓(xùn)練、個(gè)性化微調(diào)技術(shù),原子化語(yǔ)義抽取等人工智能領(lǐng)域取得新突破,提升系統(tǒng)認(rèn)知水平。
預(yù)沉默知識(shí)圖譜累計(jì)納入2.3萬(wàn)預(yù)離網(wǎng)種子用戶(hù),對(duì)12萬(wàn)特殊選取的用戶(hù)生成預(yù)測(cè)結(jié)果,得到3.8萬(wàn)的待維系客戶(hù)群,查全率達(dá)85%,查全率達(dá)63%,驗(yàn)證了模型的識(shí)別準(zhǔn)確性。針對(duì)識(shí)別成功的客戶(hù),6月已執(zhí)行了5248名用戶(hù)的維系挽留,辦理成功量625,辦理成功率18.3%,大幅超出非AI模型識(shí)別的成功率12%,直接經(jīng)濟(jì)效益顯著。
5 下一步發(fā)展
中國(guó)移動(dòng)的存量運(yùn)營(yíng)場(chǎng)景是“大數(shù)據(jù)+AI賦能”的重要方向,天津公司計(jì)劃基于目前知識(shí)圖譜1.0基礎(chǔ)能力,打造以存量運(yùn)營(yíng)“場(chǎng)景”為中心的知識(shí)圖譜2.0-認(rèn)知圖譜NeoCoCo(Now existing operation Cognitive Concept Net,存量運(yùn)營(yíng)認(rèn)知概念網(wǎng)絡(luò)),系統(tǒng)包含面向運(yùn)營(yíng)場(chǎng)景的概念層(概念標(biāo)簽),原子層(原子標(biāo)簽),分層理論庫(kù)(基于原子屬性分層鏈接實(shí)體),運(yùn)營(yíng)策略庫(kù)(面向場(chǎng)景的維系、推薦、服務(wù)策略)?;谝延嗁?gòu)具體業(yè)務(wù)或已存在具體畫(huà)像(預(yù)離網(wǎng)、預(yù)沉默等)的種子用戶(hù)在圖網(wǎng)絡(luò)中進(jìn)行鏈路預(yù)測(cè),查詢(xún)所有實(shí)體中和種子用戶(hù)最相近的客戶(hù),形成推薦、維系、服務(wù)、運(yùn)營(yíng)的目標(biāo)客戶(hù)群,并匹配策略庫(kù)進(jìn)行存量運(yùn)營(yíng)。另外,通過(guò)引入半監(jiān)督學(xué)習(xí)機(jī)制,基于現(xiàn)有原子標(biāo)簽及標(biāo)注來(lái)挖掘和生成新的概念標(biāo)簽,實(shí)現(xiàn)AI模型中概念的自動(dòng)擴(kuò)展和優(yōu)化。
? ? ? ?責(zé)任編輯:pj
評(píng)論
查看更多