[發明專利]一種客服應答模型訓練方法和系統

在審

• 申請號: 201911412931.1
• 申請日: 2019-12-31
• 公開（公告）號: CN111858868A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 熊超
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06N3/04;G06N3/08
• 代理公司: 成都七星天知識產權代理有限公司 51253
• 代理人: 袁春曉

1.一種客服應答模型的訓練方法，其特征在于，包括：

獲取多個業務線的語料數據，所述語料數據包括問題和對應的回答；

用所述多個業務線的語料數據訓練模型的底層網絡結構；

針對所述多個業務線中的每個業務線：

在所述模型的上層網絡結構中確定針對所述業務線的子網絡；

用所述業務線的語料數據訓練所述子網絡；

根據每個業務線對應的訓練后的子網絡確定所述模型訓練后的上層網絡結構；

根據所述模型訓練后的底層網絡結構和訓練后的上層網絡結構，得到所述客服應答模型。

2.根據權利要求1所述的方法，其特征在于，所述客服應答模型包括共享參數和任務參數，所述共享參數為所述客服應答模型中底層網絡結構的模型參數，所述任務參數為所述客服應答模型中上層網絡結構的模型參數。

3.根據權利要求2所述方法，其特征在于，所述共享參數為所述多個業務線共有的底層網絡結構模型參數，所述任務參數為所述多個業務線中每個業務線各自擁有的子網絡結構的模型參數。

4.根據權利要求1所述的方法，其特征在于，所述客服應答模型的底層網絡結構至少包括深度神經網絡模型、卷積神經網絡模型、循環神經網絡模型、長短期記憶網絡模型。

5.根據權利要求1所述方法，其特征在于，所述客服應答模型中上層網絡結構至少包括多層感知機分類器。

6.一種客服應答方法，其特征在于，包括：

獲取待應答的對話數據；

用權利要求1-5任一項所述方法得到的客服應答模型處理所述對話數據，得到所述對話數據對應的回答。

7.一種客服應答模型訓練系統，其特征在于，包括：

第一獲取模塊，用于獲取多個業務線的語料數據，所述語料數據包括問題和對應的回答；

第一訓練模塊，用于基于所述多個業務線的語料數據訓練模型的底層網絡結構；

第二訓練模塊，用于針對所述多個業務線中的每個業務線：在所述模型的上層網絡結構中確定針對所述業務線的子網絡；用所述業務線的語料數據訓練所述子網絡；根據每個業務線對應的訓練后的子網絡確定所述模型訓練后的上層網絡結構；

客服應答模型生成模塊，用于基于所述模型訓練后的底層網絡結構和訓練后的上層網絡結構，得到所述客服應答模型。

8.一種客服應答系統，其特征在于，包括：

第二獲取模塊，用于獲取待應答的對話數據；

回答確定模塊，用于用如權利要求1-5中任一項所述的客服應答模型處理所述對話數據，得到所述對話數據對應的回答。

9.一種客服應答模型訓練裝置，所述裝置包括處理器以及存儲器；所述存儲器用于存儲指令，所述指令被所述處理器執行時，導致所述裝置實現如權利要求1至5中任一項所述客服應答模型訓練方法對應的操作。

10.一種客服應答裝置，所述裝置包括處理器以及存儲器；所述存儲器用于存儲指令，所述指令被所述處理器執行時，導致所述裝置實現如權利要求6中述客服應答方法對應的操作。

11.一種計算機可讀存儲介質，其特征在于所述存儲介質存儲計算機指令，當計算機讀取存儲介質中的計算機指令后，計算機運行如權利要求1至6中任意一項所述方法。