Research of Order Allocation of E-commerce Logistics Service Supply Chain Considering Customer Evaluation

Based on the importance of customer evaluation for developing e-commerce enterprises,this paper analyzes the customer evaluation as a fuzzy variable and establishes a multi-objective mixed integer order allocation planning model by considering customer satisfaction,which maximizes customer praise and minimizes procurement cost.As the optimization goal,transaction cost is optimized for the order allocation of the secondary e-commerce logistics service supply chain.In order to defuzzify the customer evaluation,a fuzzy evaluation method is designed to transform the customer evaluation from fuzzy language evaluation to numerical measurement.Finally,the feasibility and effectiveness of the model are verified by using a specific example,and the order is made for the e-commerce enterprise.The allocation provides a theoretical reference.

Key technologies of artificial intelligence in electric power customer service

As the demand for customer service continues to increase,more companies are attempting to apply artificial intelligence technology in the field of customer service,enabling intelligent customer service,reducing customer service pressure,and reducing operating costs.Currently,the existing intelligent customer service has a limited degree of intelligence and can only answer simple user questions,and complex user expressions are difficult to understand.To solve the problem of low accuracy of multi-round dialogue semantic understanding,this paper proposes a semantic understanding model based on the fusion of a convolutional neural network(CNN)and attention.The model builds an“intention-slot”joint model based on the“encoding–decoding”framework and uses hidden semantic information that combines intent recognition and slot filling,avoiding the problem of information loss in traditional isolated tasks,and achieving end-to-end semantic understanding.Additionally,an improved attention mechanism based on CNNs is introduced in the decoding process to reduce the interference of redundant information in the original text,thereby increasing the accuracy of semantic understanding.Finally,by applying the model to electric power intelligent customer service,we verified through an experimental comparison that the proposed fusion model improves the performance of intent recognition and slot filling and can improve the user experience of electric power intelligent customer services.

Service Customized Space-Air-Ground Integrated Network for Immersive Media: Architecture, Key Technologies, and Prospects

The space-air-ground integrated network(SAGIN) is regarded as the key approach to realize global coverage in future network and it reaches broad access for various services. Being the new paradigm of service, immersive media(IM) has attracted users’ attention for its virtualization, but it poses challenges to network performance, e.g. bandwidth, rate, latency. However, the SAGIN has limitations in supporting IM services, such as 4 K/8 K video, virtual reality, and interactive games. In this paper, a novel service customized SAGIN architecture for IM applications(SAG-IM) is proposed, which achieves content interactive and real-time communication among terminal users. State-of-the-art research is investigated in detail to facilitate the combination of SAGIN and service customized technology, which provides endto-end differentiated services for users. Besides, the functional components of SAG-IM contain the infrastructure layer, perception layer, intelligence layer, and application layer, reaching the capabilities of intelligent management of the network. Moreover, to provide IM content with ultra-high-definition and high frame rate for the optimal user experience, the promising key technologies on intelligent routing and delivery are discussed. The performance evaluation shows the superiority of SAG-IM in supporting IM service.Finally, the prospects in practical application are high-lighted.

A Civil Aviation Customer Service Ontology and Its Applications

In the process of developing the C919 large aircraft customer service intelligence system,we find that heterogeneous and incomplete data cause the inefficient and inaccurate decision making.Thus,to solve this problem,we propose to introduce the idea of ontology modeling and reasoning into competitive intelligence system building in this paper.We first present the building principles and methods of the civil aviation customer service ontology.We then define the classes and properties to contribute a real-world civil aviation customer service ontology,which is published on the Web(http:/www.openkg.cn/dataset/cacso).We finally design SWRL rules corresponding to different intelligence analysis targets to support reasoning in our designed competitive intelligence system.

挑战与前景:ChatGPT在图书馆智能客服系统中的效能和应用

智能客服系统在现代图书馆中扮演着重要角色,作为一种基于人工智能的自然语言处理模型,ChatGPT为图书馆智能客服系统的构建和质量提升提供了有力工具。文章旨在探索ChatGPT在图书馆智能客服中的应用场景效能,分析了ChatGPT在上下文理解、模糊查询处理、对抗攻击和多语言支持等方面的应用潜力和方向,并针对该领域面临的挑战提出了相应的解决方案,以为推动图书馆智能客服的创新和发展提供参考思路。

基于顾客旅程视角的智能客服服务质量测量及其效应研究

基于顾客旅程这一全新视角,运用扎根理论、探索性和验证性因子分析等方法,开发并验证了智能客服服务质量测量量表。研究表明,智能客服服务质量测量量表由3个阶段(服务前、中、后)、9个维度和39个题项构成。其中,服务前阶段包含服务主体可选择性1个维度,服务中阶段包含可靠性、人性化、信息质量、效率、可记忆性5个维度,服务后阶段包含可转换性、持续改进性、勿扰性3个维度,并且量表具有良好的信度和效度。智能客服服务质量对持续使用意愿有正向影响,服务中阶段的影响最大,服务后阶段次之,服务前阶段的影响最小。

绿色AI效率评价模型的构建与应用

随着人工智能(artificial intelligence,AI)的兴起,大模型(large language model,LLM)日益成为知识推介和多轮对话的核心技术。伴随而来,AI大模型在数据处理、模型训练和部署过程中的高能耗问题亟须有效评估,以便在模型优化后进行前后量化对比。提出一种AI大模型能耗的评估方法,旨在量化评估AI模型的服务效率(efficiency,E)。该模型使用训练收敛时间(time,T)、模型参数规模(parameter,P)和浮点运算量(floating-point operations,F)等多维度因素,通过构建能源消耗函数C(T,P,F)实现量化分析;同时,运用非线性最小二乘法,得出模型参数。该分析方法不仅适用于电信运营商客服AI模型的运行效率分析,也可泛化于其他行业的AI模型能耗评估。

基于顾客感知的城市大型体育场馆智能化服务质量评价与实证研究

运用文献资料、专家访谈和问卷调查等方法,基于顾客感知视角,结合SERVQUAL模型构建城市大型体育场馆智能化服务质量评价指标体系。通过综合运用乘积标度法和IPA分析模型,对南京市3家场馆进行实证分析。显示:可靠性、移情性、响应性、保证性和有形性的权重分别为0.309、0.125、0.169、0.169和0.228;目前场馆智能化服务质量评分为87.99,处于第三等级,其中有形性维度做得最好,保证性维度做得最差;IPA分析中9项指标位于象限A,5项位于象限B,8项位于象限C,2项位于象限D。提出,要以顾客需求为导向,因“馆”制宜,设计和提供与顾客需求适配的智能化服务内容;以质量控制为内涵,完善场馆智能化服务质量评估流程制度与标准体系;强化部门协同与团队建设,实现场馆运营“降本增效”和智能化服务质量“提档升级”。

多目标滚动时域优化的数学模型在运营商智能派单中的构建与应用

随着电信行业的迅猛发展,智能派单已成为运营商提升服务质量和效率的关键手段。然而,传统的派单方法难以同时满足运营商对服务效率和服务质量的多重需求。提出了一种基于多目标优化的数学模型,设定了3个主要目标:客户满意度预期总得分、工单响应时间和坐席人员工作负荷平衡。同时设计了一种基于自适应多目标优化算法,结合自适应权重调整、多目标优化和滚动时域优化等技术,求解该多目标优化模型。某省会运营商坐席实验结果表明,该模型能够提升电信运营商的服务效率和服务质量。

智能客服服务情境下用户回避行为机制的研究——基于扎根理论和叙事研究的探索

[目的/意义]用户回避行为是人工智能时代下人机交互过程中的一种消极反应。探究用户对智能客服的回避机制,提升消费者对智能客服的体验感和留存率,已成为业界关注的热点。[方法/过程]整合扎根理论和叙事研究方法,通过对访谈资料的编码分析,提炼出77个初始概念、25个基本范畴和7个主范畴。研究梳理范畴间的关系和作用机制,构建智能客服用户回避行为机制的理论模型。[结果/结论]用户从使用智能客服到触发回避行为会经历一系列心理和认知变化的过程;当回避驱动因素和需求满足程度影响用户心理和行为时会受到用户的个体因素和情境因素的制约。

基于智慧教育平台的学习服务定制模型建构研究

教育数字化是我国教育改革的关键路径,智能教育资源服务平台是其标志性成果,为构建数字教育生态提供了坚实基础。个性化学习服务是推荐教育数字化的重要抓手,智能教育资源服务平台也是实现个性化学习的关键手段。文章以国家中小学智慧教育平台为研究对象,分析智慧教育平台个性化学习资源建设及服务的发展现状,探究个性化导学服务、个性化学习指导和学习共同体3个方面的模型构建,并提供学生画像、课程定制、个性化教学、智能评估、学习跟踪与反馈以及学习档案管理与分析6个具体实现路径,以更加精准高效地推送个性化资源,从而推动基于平台的个性化学习实施与落地,实现高效育人的目标。

城市轨道交通智慧客服体系建设探讨

针对既有客服体系中存在的乘客服务需求感知水平低,服务提供渠道单一以及运营服务管控成本高、效率低等问题,以新时代背景下高质高效出行需求为抓手,通过对不同乘客群体出行链需求分析,提出以服务及时性、便捷性、精准性、主动性为目标,充分应用大数据、人工智能等技术,构建以智慧客服平台为核心,中心与车站两级管控,线上与线下双线服务的多元需求驱动的城市轨道交通智慧客服新型架构体系,突破既有体系在数据融合、设备平台集成、服务质量、服务效率等方面的瓶颈,在满足乘客全时程服务的同时重点突破服务“最后一米”的高效执行问题,通过在北京地铁进行典型线路示范应用,为全面提升我国城市轨道交通系统智慧化服务与管理进程提供可复制、可移植的技术系统和应用范式。

基于ChatGPT大语言模型应用的公共体育服务智能化:指征、风险及其规制

数字时代,公共体育服务也呈现出智能化的发展趋势。作为当前人工智能技术的集大成者,ChatGPT模型在公共体育服务领域具有广泛的应用场景,在个人及群体健身、健康管理、健康咨询、体育竞技等方面,ChatGPT模型能够基于其强大的数据收集与分析能力以及拟人化的交互方式,促进公共体育服务向个性化以及智能互动的方向发展。但是,在将该模型应用于公共体育服务时也必须注重其可能带来的风险,并采取相应的法律措施予以应对。具体而言,法律风险主要表现在个人隐私利用风险、健康建议咨询风险以及公共数据安全风险3个方面。对此,防范ChatGPT智能公共体育服务风险的法律规制模式要考量算法运行规律、用户权益保护、公共体育服务领域的特殊属性和法律规制模式的融合等因素,建立以权益保障为核心的多元主体协同规制体系,完善安全和健康等法律规制内容,确立政府责任和平台责任并行的责任体系。

城市轨道交通智能客服系统平台应用研究

为进一步提升城市轨道交通运营服务水平,北京市轨道交通开发96123智能客服系统,旨在为乘客提供更为便捷、高效的热线咨询服务。该系统秉承智慧地铁、智慧服务、智慧出行的理念,运用语音识别、语义理解等人工智能技术,结合城市轨道交通运营实际情况,打造出具备高度学习能力的智能语音客服机器人。在不增加人工客服人员数量的前提下,该系统可有效满足不断增长的话务量需求,对人工客服提供有力补充,显著提高接通率和服务质量。文章通过深入分析智能客服系统在北京市轨道交通路网乘客服务热线行业中的应用效果,对目前系统的优缺点进行全面剖析,并提出改进和优化建议。

基于多模态融合的电力智能客服系统情绪识别方法

针对目前方法研究时未能对智能客服系统进行数据去噪,导致该方法在情绪识别时,存在识别效果差、识别时间长以及识别性能低的问题,提出基于多模态融合的电力智能客服系统情绪识别方法。首先使用新型的小波阈值函数对系统数据进行去噪处理;依据GSP方法、颜色直方图提取系统脑电信号特征和颜色特征;最后将多模态融合法与SVM分类器进行结合,通过对特征的融合,实现对情绪的识别。实验结果表明,该方法在识别情绪时,识别效果好、识别耗时低以及识别性能高。

人工智能关键技术在电力客户服务中的应用

现有的智能客服系统具有一定的局限性,通常仅限于处理简单的用户查询,难以理解和应对复杂的用户表达。为了提升多轮对话中的语义理解准确性,深入研究了电力智能客服的应用框架,并将语言理解作为核心研究领域;提出了一种基于融合卷积神经网络(CNN)和注意力机制的语言理解模型,并成功将其应用于电力智能客服系统中。实验结果表明,这一融合了CNN和注意力机制的语言理解模型在语义理解任务中表现出色,能够更准确地捕捉用户的意图,从而显著提升了智能客服系统的智能程度和可用性。

自然语言大模型技术在政务服务智能客服系统建设中的应用

在人工智能技术迅猛发展的背景下,基于自然语言大模型技术的应用逐渐扩展至各个领域。当前,传统的政务服务客服系统在服务质量、效率和便捷性等方面存在诸多不足。本文旨在探讨如何运用先进的自然语言处理大模型技术构建精准、人性化的政务服务智能客服系统,用于提升政务服务效率,优化用户体验,从而实现智能化、便捷化的政务服务新模式。

企业智能客服人机对话管理模型构建

针对传统客服智能化程度低,不能满足客户需求的问题,构建企业智能客户人机对话管理模型。该模型在RNN深度神经网络单轮对话模型的基础上融入顺序位置信息,增强注意力单轮对话模型结构,同时在Transformer架构中增加顺序信息模块。该模型测试结果表明,所构建的模型提升了企业智能客服人机对话管理水平与客服智能化水平,该模型对满足企业智能客服需求具有一定的应用价值。

基于Hadoop大数据框架的Transformer智能客服辅助决策系统

针对当前电力智能客服辅助决策系统存在的安全性低、占用率高、响应时间长等问题,提出了一种基于Hadoop大数据框架的电力智能客服辅助决策系统的设计方案。通过使用Hadoop技术,实现更高水平的数据安全性,确保客户和企业的敏感信息得到充分保护;通过采用分布式架构,有效降低系统占用率,提高其稳定性和可伸缩性;引入Transformer技术,进一步降低CPU占用率,从而提高了系统响应时间以及客户体验。实验结果表明,该系统不仅提高了客户服务质量,还提升了电力企业的运营效率,为未来的发展奠定了坚实的基础。

铁路智能客服系统设计与实现

为应对铁路旅客服务需求激增的情况,解决铁路客服中心用工及运营成本大幅递增的难题,在既有的铁路12306客服系统基础上,融合语音识别和MRCPv2协议实现等技术,设计了铁路智能客服系统,实现了智能语音导航、智能质检和文本机器人等功能,并在中国铁路北京局集团有限公司客服中心上线运行。运行效果表明,该系统可有效提高铁路客服中心的工作效率和效果,降低运营成本。