提供商名称：武汉力龙信息科技股份有限公司
提供商简介：
武汉力龙信息科技股份有限公司成立于2000年。以“政务机器人”、“易政通平台”、“大数据服务”、“新型网格化”为四个主营业务方向。多年来致力于“基于政务大数据的网上服务平台”建设与运营，提供先进、成熟的智慧政务解决方案，充分利用人工智能、大数据、云服务、物联网等先进技术，助力全国各级政务服务中心“互联网+政务服务”体系改革创新。
应用行业：政务服务
应用需求：
小易政务机器人主要服务于行政审批局政务办事大厅，面向前往政务大厅办事的企业和个人，在大厅现场提供导办、咨询解答和政务办事辅助功能，主要解决一下三类服务场景问题：
1、实体机器人部署可有协助决现场导办问题。政务服务中心缺少现场服务人员，机器人作为大厅智能导办服务人员，解决政务大厅现场服务人员不足问题，通过机器人辅助完成现场咨询导办、区域引导、取号指引、办事查询、自助导办等工作内容。
2、政务机器人的引入可以有效解决窗口人员业务能力不足问题。综合受理一窗模式的推动对办事大厅窗口工作人员压力巨大，一个窗口工作人员需要在短时间内，掌握几百项业务的审批知识，解答申请人提出的办事疑问，学习难度大、周期长，配合智能知识库的建设和知识的梳理服务，政务机器人可以精确回复办事人提出的办事疑问并进行解答。可快速上线、快速学习。
3、人工智能辅助审查，可提高窗口材料审查效率、提升办事体验。通过对办事事项申请材料的识别和信息提取，对办事人提交纸质材料或者电子材料进行AI识别和要点审查，智能识别材料缺失、材料内容逻辑错误、材料盖章签字问题等，生成人工智能审查报告，辅助办事人完成材料的形式性审查工作，协助窗口提升材料审查速度和准确性。
4、全天值守，实体机器人解决线下24小时服务问题，虚拟机器人解决上线24小时服务问题，提升政务服务综合能力。
产品（平台）架构：
小易政务机器人平台建设，基于政务服务中心汇聚的各个部门审批业务和办事场景，同时包括街道和社区面向个人的业务，结合公司在政务服务行业的经验。建设机器人服务平台和训练中心，依托NLP+知识图谱+RPA的技术体系架构，积累日常交流、咨询、办事、资料、回访、投诉、评价、意见征集等方面的数据资源，由训练中心进行人工智能数据标注和清洗，融合机器学习算法，形成政务领域模型。定期对模型进行增量训练，打造政务领域的首个专用机器学习模型，并结合实体机器人感知服务能力，打造办事大厅现场的智能化办事服务体验。
小易政务机器人平台总体框架包括引擎、服务、支撑几个方面，其中引擎是力龙小易政务机器人的核心服务能力，涵盖了NLP、开发者服务和内容管理三大模块。支撑层提供基于平台标准API，接入自定义客户应用能力，同时形成与力龙已有政务一网通办、智慧大厅、易政通服务、政务大数据，四大政务行业应用板块的无缝接入。
资源缺乏(Low Resource)问题。目前绝大部分的实体分析算法都依赖于有监督模型，需要大量的训练语料来达到实用性能。然而，考虑到标注语料的成本，在绝大部分情况下都不可能获得足够的训练语料来处理不同的领域、面向不同风格的文本（规范、非规范）、不同的语言（中文、英文、一带一路小语种等）等多种多样的情况。无需大量训练语料的无监督/半监督技术，资源自动构建技术，以及迁移学习等技术是解决上述问题的核心研究问题。
实体的开放性问题。实体具有复杂性和开放性的特点。实体的复杂性指的是实体的类型多种多样，同时类型之间具有复杂的层次结构。实体的开放性指实体并不是一个封闭的集合，而是随着时间增加、演化和失效。实体的开放性和复杂性给实体分析带来了巨大的挑战：开放性使得现有有监督方法无法适应开放知识的抽取；实体的巨大规模使得无法使用枚举或者人工编写的方式来进行处理，同时随着时间变化现有模型的性能会下降。
深度学习方法研究：
实体识别。随着深度学习在不同领域的火爆，越来越多的深度学习模型被提出用于解决实体识别问题。目前存在两类用于命名实体识别的典型深度学习架构，一种是NN-CRF架构，在该架构中，CNN/LSTM被用来学习每一个词位置处的向量表示，基于该向量表示，NN-CRF解码该位置处的最佳标签。第二种是采用滑动窗口分类的思想，使用神经网络学习句子中的每一个ngram的表示，然后预测该ngram是否是一个目标实体。
实体链接。实体链接的核心是构建多类型多模态上下文及知识的统一表示，并建模不同信息、不同证据之间的相互交互。通过将不同类型的信息映射到相同的特征空间，并提供高效的端到端训练算法，深度学习方法给上述任务提供了强有力的工具。目前的相关工作包括多源异构证据的向量表示学习、以及不同证据之间相似度的学习等工作。
应用价值：
政务服务中心的业务在省级范围内有很大的通用性，目前一张网的建设和国家平台建设已经让政务服务领域逐步形成自上而下的标准化服务体系。政务机器人平台已经具备良好政务服务能力模型和强大的第三方应用接入能力。可在政务中心应用场景下快速推广至各级办事大厅，全省范围内，可在省级建立全省政务服务数据集，并构建省级机器人训练中心进行覆盖省级的业务模型训练和知识训练。同时基于政务领域NLP模型结合RPA工作流机器人，实现省级政务事项办理服务集成，在业务办理层面实现无人受理“智能工厂”服务模式。
