前面兩篇說了用戶意圖拆分與識別，和基於此設計的多輪對話流程。這一篇接下去講自然語言處理（NLP）中實體信息的抓取和在產品中的應用，也是如何搭建一個智能客服系列的第三篇。
你或許思考過，AI是怎麼聽懂人說話的呢？——當我在商場，跟商場的機器人說我要去三樓，它是怎樣聽懂我的意思的呢？當我說去NARS，它怎麼知道NARS是什麼，是在哪裡？
想知道以上問題的答案，那麼就要說叨說叨實體（entity）了。
首先，實體信息是什麼意思呢？
它表示關鍵性的信息，通常可以分為兩種，一是與業務基本無關的，可以算作通識的信息，比如手機號、郵箱、日期、時間；二是與業務相關的，根據實際場景定製的。
怎麼理解呢？接下來我將舉例說明。
01 與業務基本無關的
舉個栗子，第一個場景，當你需要預訂一張機票，假設你會這樣說：
幫我訂張明天的機票，從北京去上海，下午起飛的那種，我電話13344445555，行程單發我郵箱yuanquaner@woshipm.com
好的，已為您找到如下符合條件的航班……
在這個場景中，『明天』和『下午』就是時間信息，『北京』和『上海』是地點信息，『13344445555』是手機號。因為這些信息可以說是通識，不隨業務而改變，所以一般會內置到演算法中去，識別並做對應的轉換。
在上面的場景中，AI端會先識別出日期和時間，然後把『明天』轉換為『2020年3月27日』，『下午』轉換為『14：00-18：00』，再與其他信息合併，由數據端向航空公司發起請求，再告訴你返回的結果，即符合條件的航班列表。
這個識別環節聽起來是簡單的，因為人類在語言學習的過程中已經能夠條件反射出什麼是日期、什麼是手機號、什麼是地點。
但是對AI而言，起初這些東西都是一樣的字而已，需要大量的演算法來區分與提取到這些信息。這裡的識別率與演算法設計時對語言理解的豐富度息息相關。
比如說，一開始是對『明天』『昨天』做了識別，而忽略了『前一天』『后一天』的表達；或者一開始做了『2020年2月2日』，而忽略了『2020年二月二日』的表達，就會直接拉低識別率，具體的表現就是……智障率升高。
轉換這一步中，有個很有意思的點：
人們用自然語言表達日期時間等信息時，其實是不完全符合標準邏輯的。
比如說，當你在晚上00：10分跟智能助手說，「訂個明天的鬧鐘」，這裡的「明天」大概率已經是算「今天」了。
當你在2020年1月里，跟智能助手說，「查查12月的賬單」，你其實是在講2019年的12月。這些語言表達習慣都應該考慮進去，才能讓智能助手「感覺像個人」。
Siri在這裡做的很好，訂鬧鐘的場景，它會再確認一句「請問你是說訂今天早上8點的鬧鐘嗎？」
02 與業務相關的
收回來說第二個場景，結合業務出現的實體。
繼續舉栗子，當你要買一杯奶茶，你通過智能助理完成這個操作，那麼對話應該是這樣的：
我要一杯奶茶，一點點的，大杯四季奶青，全糖，加一份紅豆，不加冰。
好的，已下單。
這裡面，『一點點』是奶茶品牌，『四季奶青』是奶茶商品名，『大杯』是份量，『全糖』是糖度……
由於它們是完全依託於業務的表達，離開這個場景則這些詞不再有意義。
比如你在跟別人聊天氣的時候突然說一句「一點點哦」，對方是聽不懂的。它不像「北京」這種詞，北京永遠是北京。
所以這種信息就是我說的，要根據實際場景定製的，也就是說，我需要告訴AI，什麼是奶茶品牌、什麼是奶茶商品名、什麼是份量……
怎麼告訴它呢？
一般有三種途徑：字元串匹配，正則表達式，標註。
1. 字元串匹配
字元串匹配，即定義一個實體信息的合集，適用於固定出現的欄位。說起來比較晦澀，我用偽代碼（因為不會寫真代碼）形式寫一下就清楚了。在買奶茶的場景中，對奶茶品牌和商品名等實體信息的定義可以這樣寫：
“奶茶品牌” = [ ‘一點點’, ‘喜茶’, ‘樂樂茶’, ‘奈雪的茶’ ]
“份量” = [ ‘大杯’, ‘中杯’, ‘小杯’ ]
“商品名” = [ ‘四季奶青’, ‘紅茶瑪奇朵’, ‘芝士芭蕾’ ]
這樣，當用戶說到了其中一個項，AI就可以知道對方在講什麼了。
2. 正則表達式
正則表達式，即定義一個實體信息出現的規則，適用於有規律出現的信息。以車牌號為例，常見的形式為省份縮寫（一個漢字）+一位字母+五位數字，依然用偽代碼的形式表達，如下：
“車牌號” = [京滬魯浙……津豫贛]{1}[A-Z]{1}[0-9]{5}
#意思是從省份縮寫中的一個字+一個大寫字母+5個阿拉伯數字
同理地，我們可以用這種方式定義其他有規律的辭彙，像設備批號，身份證號，手機號，訂單號，諸如此類。
講到這裡，你可能想說，這兩種辦法一點都不AI嘛。那麼……朋友你說的沒錯我也這麼認為！不過途徑只是途徑，AI也不是目的，而是為了實現最終與人對話的效果。所以來看很AI的第三種吧。
3. 標註
標註，即對表達某一個意思的語句進行標註，從而讓機器學習到某一個意思，適用於不固定也不規律的表達。
以筆者工作里的一個場景來說，有車貸或房貸的用戶，經常會來諮詢，自己還完了多少錢，自己還剩多少錢要還。那麼我稍微整理了一些出現過的表達方式，如下：
我還了多少錢了？
我已經付掉多少貸款了？
我還完了多少貸款？
有多少貸款是還上了的？
我已經還了多少款？
我的貸款還清了多少了呢
我還有多少錢要還啊？
還剩多少貸款要付？
還有多少貸款得付？
我還要付多少錢呀
很明顯地，這些表達即不會用固定的名詞，也沒有可以寫成正則表達式的清晰規律。但是可以用語義上清楚地看出來用戶在問什麼，所以這裡採用標註的形式把意思標出來。
我們定義還完了多少錢的概念為=”已還”，還剩多少錢要還的概念為=”剩餘”，括弧起來的為標註的位置：
我[還了多少錢]了？——「實體」=「已還」
我已經[付掉多少貸款]了？——「實體」=「已還」
我[還完了多少]貸款？——「實體」=「已還」
有[多少貸款是還上了]的？——「實體」=「已還」
我已經[還了多少款]？——「實體」=「已還」
我的貸款[還清了多少]了呢——「實體」=「已還」
我[還有多少錢要還]啊？——「實體」=「剩餘」
還[剩多少貸款要付]？——「實體」=「剩餘」
還[有多少貸款得付]？——「實體」=「剩餘」
我[還要付多少]錢呀——「實體」=「剩餘」
在完成了大量以上類型的標註后，當用戶再問到相同的問題，AI大概率上就能識別到對應的實體信息，那麼就可以繼續「像個人一樣」地進行對話了。
在實際的落地場景中，提取的途徑並不是唯一的，也不一定是固定的。具體採用哪種方式來實現需求，是基於PM對技術方法的了解和對業務背景的熟悉而做判斷。究其根本，一切都還是為了用戶需求而服務。
好了今天的內容就到這裡~下一篇主題是怎樣讓AI更像人——偽裝的智能感。感謝觀看！