面向大中型企业的私有部署智能问答交互产品。是一款更懂你的机器人！
小富机器人的重要性？
小富的设计融合各个行业领域的需求推出分场景设计，对相同场景的业务提供多样化的支撑，提供多样化的知识加工。
小富机器人的目标用户？
大中型企业，政府的知识条目都很复杂，小富机器人有很强大的业务类目与知识加工功能，能帮助客户快速的加工知识，-因此小富是大中型企业客户的理想工具
产品定位及价值
- 小富主要定位于为企业、政府、个人用户提供智能问答解决方案。
- 小富的价值主要体现在：业内首款面向场景设计的交互机器人，采用目前业内最先进的算法，提供了整体性业务建模，场景化的知识表达体系，以及具有碎片化知识加工的功能。
产品概述
目前随着业务的飞速发展，每家企业都可能有着自己很多业务类型。所以要求机器人也得具备面向不同业务类型提供服务。
市场现在对于多种业务场景这种实现目前的解决方案只能是通过问答的答案或者在添加知识动作以进行实现。这一类解决方案在实施方面灵活性太小，在用户会话的时候体验感也是非常不好。给人以死板的感觉。
而且在很多时候，企业拿到手的文档并不是结构化的知识条目，而是word，excel等非结构化的文档。
因此结合以上的行业普遍痛点，小富机器人用户多场景，整体性业务建模，不仅在知识加工方面满足多种业务需求，以及碎片化知识加工。而且在用户端支持多轮会话。为企业智造无限潜能。
产品特点一：
分场景交互设计--
不同场景的交互方式不同
针对不同业务类型（客服、营销、外呼等），进行语义本体业务模型及整体系统的区分设计。在前台的聊天页面中用户可以从聊天气泡，知识新增等感受到每个场景的不同。用户甚至可以将这几个场景搭配使用，使得机器人可以灵活自如应对不同业务类型下不同的交互需求。
1、客服型场景
客服场景是业内用途最广的场景，满足售前，售后等咨询业务。例如：信用卡办理的咨询，办理保险的咨询。客服场景几乎涵盖了企业客户70%以上的场景。
客服场景的中的知识类型也是最广的，包含有FAQ知识、概念知识、要素知识、列表知识等
- FAQ知识
传统的一问一答式的添加方式，用户只需要填写标准问，扩展问以及知识内容即可完成添加知识。满足用户快速加工知识的需求，方便快捷。
- 概念型知识
在传统FAQ知识上面做了颠覆性改变。概念知识的新增不依赖于扩展问，而是概念扩展。系统在用户写的扩展问基础上进行语意刻画，生成概念扩展。每个概念扩展是有多个概念类组成，每一个概念类可以代表多个概念。因此生成的概念扩展等同于多个扩展问。
- 要素型知识
要素型知识用于一条知识包含多个要素的情况。譬如：一条保险知识是需要多个要素组成的-投保人、地区、金额、期限。这类的答案知识答案形式为要素表现形式大多为表格，所以又称为表格知识。
要素型知识的交互方式主要为对轮文本型。
- 列表型知识
对于知识中包含有许多集合词，例如海关禁运的20种物品，银行营业25个网点，这类知识可以采用列表型知识解决。
添加列表型知识的时候，用户方只需要在知识内，将这一类集和概念的概念类名添加进去即可。那么集合概念里面所有的概念均视为添加进该条知识内。列表型的交互方式为被动文本型。如下图所示：
图-列表型知识聊天场景示意
2、外呼场景
外呼场景我们称之它为：能主动联系用户的场景。
一般来说智能客服都是接受被动的信息，只有用户主动问它，它才能回答。而外呼场景突破了之前客服只能依靠被动问答的限定。通过外接CRM系统对接渠道可以实现主动联系用户，并且根据用户的回答进行语义理解交互。
外呼场景一般应用于信用卡催缴等需要主动联系客户的场景，其知识类型为矩阵型知识，
矩阵型知识：每一个状态都是一个用户自行义的状态，有起始状态，中间状态，结束状态。填写完矩阵之后就系统会自动生成状态转移矩阵。用户这时候需要填写状态之间转移的条件（接听电话者所说的话术）即可。在实际应用过程中机器人就会根据语义理解判断下一个状态是什么，从而进行问答。
下图为外呼场景对接文本聊天实际问答示意图：
图-主动外呼聊天场景示意
3、营销场景
普通机器人在实际实施中需要投入大量人力物力，而小富特定的营销场景可以帮助用户“挣钱”。当用户问到或触发某一个关键词的时候，机器人会在推送出预先设置好的营销知识，产生额外的盈利机会。
营销场景可独立存在形成独立的营销机器人，也可以配合其他机器人相互联动。
在营销场景新增知识的时候，知识的新增和一般知识的区别可以在概念扩展中添加其他场景的知识标题/标准问作为营销知识的触发条件。
营销场景的交互类型很多，包括了：文本、图片、图文消息。交互方式为被动一问一答
在实际会话中，用户可以从气泡颜色和机器人的话术中体会到营销场景与其他场景的不同之处。
图-一般客服型场景与营销场景结合示意
4、个人助理场景
个人助理想把相当于一个应用平台，将很多的不同应用集成到这个平台上面，用户可以通过控制开关来选择启用或者禁用的某些功能。目前我们所想到的是在个人助理场景内，可以添加个人画像，天气应用，笑话应用，古诗词等。我们可以扩展应用的数量，或者针对某一个应用深入开发。
图-天气助理应用示意
产品特点二：
整体业务建模
在建立知识之前首先要对整个业务领域进行整体建模。机器人的建模主要是从业务角度的领域对概念业务框架进行配置和管理。达到节省人工以及快速完成知识加工的功能。
1、BOT
传统业务分类纯粹为了知识的管理进行的分类，体现不出多种业务结构关系。无法被用于算法的运算，比较死板。而BOT是为算法、聊天消歧以及业务管理而设计。
一般BOT对应着一棵树，树中的节点体现了领域概念间的层次结构关系。首先列出用户所在领域综合性、概括性的概念作为根类，再逐步在每个根类下进行细化和说明。
图-BOT示意—信用卡业务可以有四种展开形式
2、框架库
业务框架是某一领域中常见业务知识项的通用骨架（含通用业务要素及通用语义表达概念）。业务框架存在于BOT的节点上面。用户在新增知识的时候可以复用业务框架，来加速完成知识的加工，省时且易于保证一致标准。
3、概念库
概念是知识所需要的最小原子。用户可以在概念库中对概念进行增删改查以及
权重的调整。
权重的调整。
目前我们支持8大概念库可供用户管理。
图-小富系统包含的概念
产品特点三：
更加拟人的多轮会话
在会话中用户的会话经常带有歧义，模糊的内容。小富机器人可以根据用户的内容，进行反问，达到消歧的目的。目前用户在实际问答中的模糊种类大概分为三类：
1、业务类模糊
2、主题省略
3、要素不明确
1、业务类模糊
正常问答中，用户提的问题大多比较具体，直接命中或者可以通过语义理解间接命中某个业务类。
但是，有些时候用户的提问非常模糊，包含多种业务类。例如：我要办卡、我要挂失等等…。
2、主题省略
正常会话中，用户会在提问中将每个问题的主题词带上，例如：信用卡怎么办，信用卡年费多少，信用卡怎么挂失等，信用卡是主要的主题词。有些情况，用户直接问完带有主题词的当用户的提问中省略了之前会话的主题词。
遇到这种问题，小富机器人会根据会画的内容，自动提取出主题词，并且推出答案。
图-主题省略场景
3、要素不明确
有些知识中包含多个要素，需要这几个要素全部明确之后才能推出真正的答案。
例如：办理保险。保险可以分为被投保人，地区，预算金额等要素。根据要素的不同，对应的险种也不同。
小富机器人遇到这种问题，会针对该问题用户所确实的要素进行反问，待用户明确全部要素的时候，推出答案。
目前，非结构化支持的文档格式有word、PDF。未来，我们将支持多种非结构化的知识加工。
目前，非结构化支持的文档格式有word、PDF。未来，我们将支持多种非结构化的知识加工。
技术参数指标
软件技术：
1、人工智能技术，包含深度学习、NLP、NLU等
2、SAAS微服务技术，提供私有化机器人平台方案
3、容器化技术，支持docker等容器部署
4、高可用技术，支持7*24小时服务，无单点故障
