会从该组织获取所有知识内
Posted: Thu Jul 10, 2025 9:25 am
让我们以一个预订网站为例。Einstein Search Answers 系统容，生成所有潜在的候选答案，并将诸如“在我的预订中添加一位客人”之类的查询与知识内容中的深层段落进行比较。它超越了内容标题（例如“预订政策”），并比较了语义上与“取消我的预订”、“预订使用的信用卡不正确”、“为预订添加儿童座椅”、“修改我的预订”等部分相关的内容，最终以易于理解的片段形式将与用户查询直接相关的段落呈现给用户。
深入探究
这是如何运作的？让我们来分析一下人工智能。传统方法依赖于词汇搜索，注重精确的术语/关键词匹配，而语义搜索则需要对查询和文档有更深入的理解，才能更好地满足用户的意图。
我们寻找答案的方法与传统的搜索方法主要有两点区别：
我们通过将长篇知识文章划分为语义连贯的较小单元（即段落）来搜索更紧凑的文本片段。通过这种方式，我们旨在针对符合用户意图的查询提供更精确的答案。
更重要的是，我们在对结果段落进行精确搜索的方式上，充分利用了两者的优势。我们利用预训练的语言模型，通过深度语义理解增强了词汇搜索，这些模型通过阅读大量文档构建了更丰富的文本语境含义。具体而言，我们使用类似 BERT 的 手机号数据库列表 预训练 Transformer 架构，将查询和段落嵌入到同一个潜在空间中，如图 2 所示，其中语义相似的文本片段彼此更接近。
在上图 3 中，我们展示了查询“如何添加电子邮件签名”（用三角形表示）和一些候选段落标题（圆圈）的 3D 可视化示例。我们的方法可以将答案段落（绿色圆圈）嵌入向量空间中非常靠近查询（红色三角形）的位置，这表明它能够成功捕捉潜在空间中句子/段落级别的语义相似性。利用此特性，我们基于查询和候选答案段落的稠密向量的余弦相似度，定义了一个稠密段落检索器。最后，我们引入了一个融合重排序器，将稀疏/词汇检索器和稠密检索器的结果结合起来，以确定待显示段落的最终排名。
这对客服人员及其客户和企业意味着什么？使用 Einstein Search Answers，他们能够更快地找到答案，并更快地向客户回复，从而缩短案例解决时间，提高客户满意度，并提升服务中心的效率。
Salesforce AI Research 诚邀您深入了解本博文中探讨的概念。欢迎通过社交媒体和我们的网站与我们联系，定期获取本研究项目及其他研究项目的最新消息。
本文与 Salesforce 商业价值服务高级总监 Sushil Panta 合作撰写。
深入探究
这是如何运作的？让我们来分析一下人工智能。传统方法依赖于词汇搜索，注重精确的术语/关键词匹配，而语义搜索则需要对查询和文档有更深入的理解，才能更好地满足用户的意图。
我们寻找答案的方法与传统的搜索方法主要有两点区别：
我们通过将长篇知识文章划分为语义连贯的较小单元（即段落）来搜索更紧凑的文本片段。通过这种方式，我们旨在针对符合用户意图的查询提供更精确的答案。
更重要的是，我们在对结果段落进行精确搜索的方式上，充分利用了两者的优势。我们利用预训练的语言模型，通过深度语义理解增强了词汇搜索，这些模型通过阅读大量文档构建了更丰富的文本语境含义。具体而言，我们使用类似 BERT 的 手机号数据库列表 预训练 Transformer 架构，将查询和段落嵌入到同一个潜在空间中，如图 2 所示，其中语义相似的文本片段彼此更接近。
在上图 3 中，我们展示了查询“如何添加电子邮件签名”（用三角形表示）和一些候选段落标题（圆圈）的 3D 可视化示例。我们的方法可以将答案段落（绿色圆圈）嵌入向量空间中非常靠近查询（红色三角形）的位置，这表明它能够成功捕捉潜在空间中句子/段落级别的语义相似性。利用此特性，我们基于查询和候选答案段落的稠密向量的余弦相似度，定义了一个稠密段落检索器。最后，我们引入了一个融合重排序器，将稀疏/词汇检索器和稠密检索器的结果结合起来，以确定待显示段落的最终排名。
这对客服人员及其客户和企业意味着什么？使用 Einstein Search Answers，他们能够更快地找到答案，并更快地向客户回复，从而缩短案例解决时间，提高客户满意度，并提升服务中心的效率。
Salesforce AI Research 诚邀您深入了解本博文中探讨的概念。欢迎通过社交媒体和我们的网站与我们联系，定期获取本研究项目及其他研究项目的最新消息。
本文与 Salesforce 商业价值服务高级总监 Sushil Panta 合作撰写。