（转载自“WILEY工程世界”公众号）原文信息
大语言模型在电信运营商客户服务中的构建策略
Design of a large language model for improving customer service in telecom operators
扫描二维码阅读原文
https://ietresearch.onlinelibrary.wiley.com/doi/10.1049/ell2.13218
文献速读
本文提出了一种结合大语言模型（LLMs）与LangChain技术框架的创新应用策略，解决电信行业在知识推荐领域面临的搜索精度不足、行业特定应用效果不佳等挑战。通过构建高效的知识组织模块和精准的知识搜索模块，提升了搜索精度和知识推荐的效率。实证结果显示，知识推荐的接受率从21.5%提升至74.8%，超越了包括GPT-4在内的现有模型，为电信行业提供了一种更具适应性和高效性的智能客户服务解决方案。
正文导读
在电信行业，运营商面临提升服务质量、降低运营成本和保障客户隐私的挑战。尽管Transformer架构的大语言模型（如BERT和GPT-3）在自然语言处理中具有优势，但其应用仍存在高计算资源需求、搜索精度不足及行业适应性差等问题。
本文提出了将大语言模型（LLMs）与LangChain技术框架相结合的创新应用策略，其核心包括：
1、高效的知识组织模块（LangChain Knowledge Organising Module）：
1）数据清洗与标准化：对原始数据进行清洗、格式标准化及分段处理，使数据更结构化，便于后续处理。
2）数据映射与向量化：将处理后的数据进行映射和向量化处理，生成高维向量表示，以便在知识库中高效存储和检索。如图1示。
2、精准的知识搜索模块（LangChain Knowledge Search Module）：
1)搜索向量生成：利用LangChain框架生成高精度的搜索向量，结合语义搜索技术，提升检索结果的相关性和准确性。
2)误导内容过滤：通过对搜索算法的优化及向量检索机制的改进，过滤潜在的误导性内容，确保推荐内容的准确性和可靠性。如图2示。
基于以上创新模块，本文提出的LLM+LangChain策略在某省会城市电信运营商的服务运营中进行了实证验证，如图3示。
结果表明，该策略在电信行业任务中的表现优于基线模型ChatGLM2，甚至超过了GPT-4等模型。如表1示。
作者简介
马晓亮：博士研究生，中国电信股份有限公司广州分公司副总经理，正高级工程师，华南理工大学工商管理学院讲席教授。马晓亮劳模和工匠人才创新工作室领衔人，研究方向：人工智能、自然语言处理和数据安全保护等。
赵汝强：广州云趣信息科技有限公司，马晓亮劳模和工匠人才创新工作室成员。研究方向：智能服务体系搭建和应用、客服中心的系统建设和运营管理等。
刘英：硕士，中国电信股份有限公司广州分公司，马晓亮劳模和工匠人才创新工作室成员。研究方向：智能客服平台组件、自然语言处理等。
邓从健：博士研究生，广州云趣信息科技有限公司，马晓亮劳模和工匠人才创新工作室成员。研究方向：自然语言处理、人机交互、算法开发、模式识别等。
杜德泉：硕士，马晓亮劳模和工匠人才创新工作室成员。研究方向：客户服务系统优化。
期刊简介
Electronics Letters于1965年由英国工程技术学会（IET）创刊，现由Wiley出版。主要征稿内容包括：天线和传播，生物医学和生物启发的技术、信号处理和应用，控制工程，电磁学（理论、材料和器件），电子电路与系统，图像、视频和视觉处理及应用，信息、计算和通信，仪器仪表和测量，微波技术，微米与纳米技术，光学通信，光子学与光电子学，电力电子、能源和可持续发展，雷达、声纳和导航，半导体技术，信号处理，无线通信。
2023 CiteScore (Scopus): 2.7
2023 Journal Citation Indicator (Clarivate): 0.23
2023 Journal Impact Factor (Clarivate): 0.7
期刊主页
https://ietresearch.onlinelibrary.wiley.com/journal/1350911X
声明：本文由作者受邀供稿。欢迎转发至朋友圈，如需转载，请在公众号内给我们留言。
WILEY
MaterialsViews
Wiley旗下材料科学类期刊官方微信平台
推送材料科研资讯｜访谈材料大咖新秀
分享撰稿投稿经验｜关注最新招聘信息
点击“分享”，给我们一点鼓励吧~
