阿裏雲智能機器人—雲博士

    

• 人工智能算法：用戶輸入問題後，引擎層調用阿裏雲ET的問答引擎獲取相應答案，根據業務需要對備選答案進行再次處理和答案可信度計算，最後依據設置的可信度閾值來判斷答案是否能解決用戶的問題。
  
• 緩存處理：為了保證高並發情況下的秒級應答體驗，雲博士使用緩存機製提升性能。在流量比較大的時候，雲博士把問答輸入和輸出存入緩存，之後來自用戶的問題如果命中緩存中的問答輸入，雲博士會把緩存中對應的答案直接返回給用戶。
  
• 數據封裝：把從數據庫和調用外部服務獲取的各種數據進行封裝，輸出給Portal層。
  
• 調度：Portal層通過調用HSF（類似Dubbo服務）接口，把請求分發到引擎層不同的服務器中實現調度均衡。其中job調度利用DTS（阿裏自研的任務調度服務，類似Quartz）和ODPS（大數據計算服務）來運行相應的job。
  
• 負載控製：當流量陡然增大時，為了防止服務超負荷運轉出現問題甚至宕機，引擎層還做了負載控製，在超過係統承受範圍時做限流，保證服務能夠正常運轉。
  
• 提供服務調用：係統通過HTTP和HSF接口為Portal層提供服務調用。
  
• 數據分析：把雲博士所有問答記錄取出進行分析，以幫助算法和數據的優化。
  

• RDS: 即MySQL數據庫，主要存放的是需要經常使用，對於讀寫實時性要求高的數據。
  
• ODPS: 一般存放的是離線任務執行後生成的數據，對於讀寫的實時性要求並不高。離線任務生成的部分數據會同步到RDS，供引擎層使用。
  
• OSS: 主要存放訓練算法模型的訓練集數據。
  

 外部數據來源層：調用外部係統獲取相應的數據使得雲博士更好的進行狀態判定和問題排查，比如調用賬單係統查看用戶有沒有因為欠費而導致服務處於異常狀態，調用黑洞清洗查看用戶實例有沒有處於黑洞中等等。

• 語料編輯：供人工智能訓練師編輯語料。
  
• 數據運維：實時監控雲博士的各種指標，如準確率、PV、UV、、響應時間和一些業務指標。
  

• 知識點標題：如 “如何連接RDS數據庫？”
  
• 擴展問句集： 因為不同的用戶會有不同的問法，有些問法之間算法相似度並不高，需要算法把同一個知識點不同問法都放入擴展問句集中。