[發明專利]一種Zero-shot Learning在智能客服系統中的應用方法在審
| 申請號： | 201810844501.6 | 申請日： | 2018-07-27 |
| 公開（公告）號： | CN109033378A | 公開（公告）日： | 2018-12-18 |
| 發明（設計）人： | 靳丁南;何朋;趙開云;權圣 | 申請（專利權）人： | 北京中關村科金技術有限公司 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 北京華仲龍騰專利代理事務所(普通合伙) 11548 | 代理人： | 李靜 |
| 地址： | 100089 北京市海淀*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 客服系統 通用模型 分類 通用化 應用 半自動化 分類需求 語料樣本 語義理解 準備階段 智能 通用 上線 個性化 預測 | ||
1.一種Zero-shot Learning在智能客服系統中的應用方法，其特征在于，包括通用模型準備階段和通用模型預測階段；
所述通用模型準備階段，包括如下步驟：
（1）、構建一套大規模通用意圖類別的數據集，意圖的分類要滿足通用性的規則，每一句話對應一個或多個意圖類別；
（2）、構建一套大規模通用實體類別的數據集，實體的分類要滿足通用性的規則，每一句話對應一個或多個實體類別；
（3）、利用通用意圖類別數據集訓練一個通用多標簽類別的分類模型；
（4）、利用通用實體類別數據集訓練一個通用實體識別模型；
所述通用模型預測階段包括如下步驟：
（1）、企業在有新的語義理解的需求后，在本方案的智能客服平臺上，將每個語義類別中的意圖按照通用意圖類別進行拆分；每個語義類別中的實體挑選出來；
（2）、將企業新需求進行拆分后，該通用分類和實體的組合，即表示為該需求的類別；
（3）、將對應的語義分類語料樣本上傳到本方案的智能客服平臺上，用通用意圖分類模型和通用實體識別模型進行測試，每個語料樣本對應的通用意圖和實體的識別概率的組合是否大于閾值，如果大于閾值，則表示該樣本被正確分類到了該組合類別中，該測試即可得到該語義理解分類的 precision 和 recall；
（4）、企業查看該語義類別的指標，如果指標達到可商用狀態，即可點擊本方案智能客服平臺中的模型發布，該通用類別組合即可對外服務；
（5）、如果指標沒有達到商用狀態，企業需要對通用分類拆分和實體抽取進行審閱，查看拆分是否不符合語義邏輯，或是否和其他拆分方式有沖突，如果拆分方式有問題，需要對拆分組合進行修改。
2.根據權利要求1所述的一種Zero-shot Learning在智能客服系統中的應用方法，其特征在于，所述通用模型預測階段還包括通用模型訓練模塊，通用模型訓練模塊包括通用意圖分類模型和通用實體識別模型。
3.根據權利要求1所述的一種Zero-shot Learning在智能客服系統中的應用方法，其特征在于，所述通用模型訓練模塊的訓練步驟包括：使用通用模型數據集，訓練CNN多分類意圖分類模型以及使用實體序列標注數據集，訓練詞典和 CRF 結合的實體識別模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京中關村科金技術有限公司，未經北京中關村科金技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810844501.6/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種輔助社交的聊天系統及方法
- 下一篇：適用于咖啡機的原料信息管理方法與系統
