智能虚拟助手在国外教育信息化服务方面发展较为成熟。美国教育科技公司AdmitHub推出的智能虚拟助手Oli应用于多所大学，解决常见FAQ咨询问题，并为学生提供个性化问答服务；AdmitHub推出的Reggies聊天机器人，在欧申县学院招生过程中自动回答了14000多个学生的问题；佐治亚理工学院、美国东北大学为学生提供Echo Dots智能机器人解答关于校园生活的问题，包括菜单和教室使用状况查询、教学日历查询、成绩查询和消费账单查询及各类预约事务，并提供娱乐接口丰富学生的生活。

　　近两年，我国部分高校也尝试使用智能虚拟助手解决咨询类问题。西安电子科技大学建立咨询机器人，为图书馆信息查阅提供咨询服务；西北工业大学推出迎新机器人“小希”，帮助新生解答招生问题。随着中文自然语言理解（CNLU）技术的发展，智能虚拟助手在高校领域具有更为广阔的发展前景。

　　总的来说，目前我国高校信息化服务普遍存在着业务接口分散、操作复杂、用户体验差和咨询服务效率低等问题，亟需解决。在智慧校园建设的推动下，中国科学技术大学（简称“中科大”）设计开发了适应于高校信息化服务的智能虚拟助手来解决上述问题。

　　信息化服务问题分析

　　中科大已搭建了较为完善的网络和基础服务平台，建立了统一身份认证体系，并在此之上开发了各类业务应用系统。信息化服务依据内容和访问目的的不同，可分为以下四类，如图1所示。

图1  高校信息化服务类型图

　　1.服务系统FAQ咨询

　　服务系统FAQ的解答一般发布于各服务网站上，缺乏统一的管理和咨询渠道。另外，传统的FAQ文档检索方式难以为用户提供精确、高效的解答。因此，人工电话咨询成为解决FAQ问题的主要途径，但随之而来的各种客服问题增大了咨询服务的成本。

　　2.公共信息查询

　　公共信息是高校师生查询最频繁的信息，尽管学校的门户网站提供了公共信息专栏，但因网站缺少交互和精确检索能力，访问效率低且难以满足用户个性化需求。

　　3.业务系统查询和办理

　　为实现常用业务快速查询和办理，学校为用户提供了各类移动端应用系统，包括一卡通挂失、余额查询、快速报修通道等。尽管这些移动端的应用系统优化了传统的业务办理流程，解决了业务办理时间和条件受限问题。但由于一个系统只能提供一种服务，用户需要访问不同业务系统才能获取相应的服务。这对于简单的信息查询和业务办理来说，仍然是相当低效且繁琐的操作。

　　4.热点推送

　　学校的热点问题和公告发布渠道单一，且发布的网站因缺乏推送和交互能力，容易造成信息盲点，引发各类沟通协调等问题。

　　解决方案设计

　　针对上述问题，智能虚拟助手提供了最佳解决方案。智能虚拟助手建立在知识库基础之上，通过已训练神经网络模型使之具有对问句的意图识别能力。如果在知识库中找到与用户问句意图一致的问题，则返回答案；而对于未能识别的问题，将以无缝人机转接的方式，切换到人工服务，并回收用户问题补充知识库。它支持多渠道多应用接入，并提供单点访问入口和一问一答、多轮会话模型，具有很强的交互性、适应性和拓展性。智能虚拟助手精确的应答能力主要依赖于知识库的设计和机器人意图识别能力。依据中科大信息化服务的问题，智能虚拟助手的知识库设计和业务系统对接方式如下：

　　1. 服务系统FAQ咨询

　　服务系统FAQ咨询涉及到各业务系统的使用说明和常见问题的解答。这些数据具有位置分散，内容稳定且问题咨询重复性强的特点。内容的稳定程度与知识库维护成本成反比，而问题咨询重复性与知识库的问题覆盖能力成正比关系。因此，适合于建立FAQ问答知识库，实现对数据的统一分类管理。智能虚拟助手主要以一问一答的方式，为用户提供精准、高效的FAQ咨询服务。

　　2.公共信息查询

　　对于公共信息类检索问题，采用与FAQ咨询类相似的一问一答的自动应答方式。但是由于这类数据具有内容展现形式丰富且管理部门分散的特点，考虑到避免管理冲突和知识库运维成本问题，我们采取维持原有的分散管理方式，为公共信息链接建立知识库，提供快速的向导服务。

　　3.业务系统查询和办理

　　为满足单点访问办理多个简单业务的需求，可以通过配置智能虚拟助手接口，实现与多个业务系统对接。业务系统需要提供Restful API 满足智能虚拟助手接口设置的需求，才能完成对接工作。智能虚拟助手将以多轮对话的方式向相应的对接业务系统传递查询或待办理的信息，并返回结果。为了让智能虚拟助手能识别不同的业务意图，用户需要输入关键短语，如“我要报修”“或“校园百科”，来激活相应的业务流程。值得注意的是，对接时需要做用户身份认证，数据传输时需要加密处理。

　　4.热点推送

　　智能虚拟助手具有热点公告发布能力，而且支持输入识别推送相关的咨询热点问题，为学校的热点信息推送提供了新的渠道。

　　技术框架与实现

　　中科大的智能虚拟助手开发主要基于Rasa开源的机器学习框架。有两个主要模块：Rasa NLU和Rasa Core。Rasa NLU用于实现实体抽取和意图识别，而Rasa Core用于实现与机器人对话的流程控制。相比Google的API.ai，Microsoft的Luis.ai以及Facebook的Wit.ai，Rasa不依赖于任何第三方公司，支持本地部署，并且允许用户根据需求调整训练模型。具有良好的安全性和拓展性，适用于高校领域的智能虚拟助手的定制开发。

　　为实现智能虚拟助手，使用Rasa开源机器学习框架和基于LSTM对话流程控制，如图2所示。

图2  基于Rasa和LSTM的对话流程控制

　　首先，问句通过Rasa NLU将抽取的实体和意图特征转化为高维向量，然后作为输入通过已训练的LSTM循环神经网络模型生成匹配概率向量，最后依据匹配概率做出相应的回答。图2中的Action Type 用于判定问题是直接给出答案，还是需要调用第三方业务接口进行多轮会话。

　　目前，中科大的智能虚拟助手仍处于知识库积累和试运行阶段，但随着知识库的完善和机器人的持续训练，预计将实现解答学校九成左右的用户问题。

　　针对高校信息化服务系统普遍存在的问题，建立统一、高效、智能的新型信息化服务系统，已经成为智慧校园建设的重要组成部分。根据中科大的实践经验，智能虚拟助手成为高校信息化服务向智能化服务转型的可行性方案。借鉴于客服机器人和其他智能虚拟机器人在工商业的成功案例，并结合高校信息化服务的特征和特色，开发适用于高校信息化服务的智能虚拟助手将在智慧校园建设中大放异彩。（责编：项阳）