作为一个专注于NLP的算法技术团队，我们一直致力于知识智能在各业务场景的价值落地，随着NLP技术的逐渐演变：从词表为王到词向量，再到以BERT为代表的预训练模型，再到最近横空出世的ChatGPT，让“技术赋能业务”逐渐成为了现实。在一些常见的NLP任务中，有一类任务扮演了举足轻重的作用，也是当下的研究热点，这类任务就是：实体关系抽取，目的是从自然语言文本中识别并判定实体对之间存在的特定关系，为智能

2021年，随着企业数字化转型的持续推进，该浪潮迅速将客户体验触点打散，由此产生多渠道、多类型的反馈数据。要做好客户体验，就需要将分散在不同渠道的反馈数据进行整合分析，透过数据理解客户的需求痛点。然而实际推行过程并不是很顺利。原因有以下五个方面：团队规模偏小。大部分客户体验团队人数不超过10人，面对海量数据，显得力不从心。抽样存在偏差。传统客户体验以问卷调查为载体，这类调研中实际受访的人数往往只占