[發明專利]一種向人工客服推薦回復內容的對話機器人的實現方法

有效

• 申請號: 201710753876.7
• 申請日: 2017-08-29
• 公開（公告）號: CN107330130B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 馬曉宇;辛欣;李理
• 申請（專利權）人: 北京易掌云峰科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F40/289;G06N3/04
• 代理公司: 北京安度修典專利代理事務所(特殊普通合伙) 11424
• 代理人: 楊方成

本發明提供一種向人工客服推薦回復內容的對話機器人的實現方法，包括以下步驟：步驟1、通過第一個LSTM神經張量網絡模型對問題進行特征抽取，得到客戶問題分詞的結果，并用第一個LSTM神經張量網絡模型將客戶問題分詞的結果編碼為向量c；步驟2、通過第二個LSTM神經張量網絡模型對客服答復進行特征抽取，得到客服答復分詞的結果并用第二個LSTM神經張量網絡模型將客服答復分詞的結果編碼為向量r；步驟3、獲取問題所在商店的個性化特征，并編碼為商家的特征向量s；步驟4、通過神經張量網絡層將所述向量c、向量r與向量s通過張量進行直接交互計算；步驟5、輸出客戶問題對應的相似答復的篩選推薦功能選項。本發明能夠智能地向人工客服推薦回復內容。

技術領域

本發明涉及計算機網絡領域，尤其涉及一種向人工客服推薦回復內容的客服對話機器人的實現方法。

背景技術

客服對話系統是一種特定領域的對話系統，目前該領域是一項比較前沿的研究內容，主要目標是實現客服自動的內容回復，同時提高解決客戶問題的效率。

社區問答系統(CQA)是一種用戶可以給提問者分享自己專業知識的平臺，這種問答數據與客服系統有些類似，通常可以借鑒CQA中的一些解決方法。但是，客服對話系統中的答案往往是視情況而定的回答，而且不同商家銷售商品的屬性不同，所以客服對話系統還需要解決針對不同商家同種問題的自動回復。

另外，現有技術中的卷積神經張量網絡(CNTN)模型，該模型是分別將問題和答案使用卷積網絡進行特征提取，然后將問答對的特征通過一個張量層計算相似度分數，通過排序分數較高的問答對實現問題和答案的匹配。

現有卷積神經張量網絡(CNTN)模型采用卷積神經網絡提取句子的特征，卷積神經網絡通過濾波器提取的主要是空間特征，記憶句子的整體信息，而問題中有一種遞進序列關系，前面的文本描述為問題背景，而最后一個問題是核心問題，所以卷積神經網絡不適合處理長依賴關系和時間序列的問題。

因此，本領域迫切需要開發一種適用性廣并且能夠針對所有商家的情況提供一種較準確的智能答復服務。

發明內容

本發明之目的是提供一種向人工客服推薦回復內容的對話機器人的實現方法，能夠解決句子中的長短期依賴關系的記憶和時間序列輸入的問題，并且能夠智能地向人工客服推薦回復內容。

本發明提供一種向人工客服推薦回復內容的對話機器人的實現方法，包括以下步驟：

步驟1、通過第一個LSTM神經張量網絡模型(LNTN)對問題進行特征抽取，得到客戶問題分詞的結果q₁、q₂、…、q_m，并用第一個LSTM神經張量網絡模型將客戶問題分詞的結果q₁、q₂、…、q_m編碼為向量c；

其中，q_m表示客戶問題的第m個詞對應的向量；

步驟2、通過第二個LSTM神經張量網絡模型對客服答復進行特征抽取，得到客服答復分詞的結果a₁、a₂、…、a_n，并用第二個LSTM神經張量網絡模型將客服答復分詞的結果a₁、a₂、…、a_n編碼為向量r；

其中，a_n表示客服答復的第n個詞對應的向量；

步驟3、獲取問題所在商店的個性化特征，并編碼為商家的特征向量s；

步驟4、通過神經張量網絡層(NTN)將所述向量c、向量r與向量s通過張量進行直接交互計算，實現特征表示與相似度匹配；

步驟5、輸出客戶問題對應的相似答復的篩選推薦功能選項。

優選地，所述步驟3包括：