[發明專利]基于語義識別的話術推薦方法、裝置、設備及存儲介質

有效

• 申請號: 202011607652.3
• 申請日: 2020-12-30
• 公開（公告）號: CN112732911B
• 公開（公告）日: 2023-10-10
• 發明（設計）人: 南海順
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/335;G06F16/36;G06F40/30;G06F18/214
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種基于語義識別的話術推薦方法，其特征在于，包括：

從預設歷史語料庫中獲取訓練語料，并對所述訓練語料進行語義識別，得到所述訓練語料的語義識別結果，其中，所述訓練語料為存儲在所述歷史語料庫中的用戶與通話機器人溝通過程中產生的語音信息；

基于所述語義識別結果對所述訓練語料進行分類，得到正樣本和負樣本；

對所述正樣本和所述負樣本進行隨機組合，得到訓練樣本集和驗證數據集；

通過所述訓練樣本集對預設的初始意圖識別模型進行訓練，并通過所述驗證數據集對完成訓練的通話意圖模型進行驗證，獲取驗證通過的通話意圖模型；

接收意圖識別指令，獲取與所述意圖識別指令對應的當前通話的通話內容；

將所述當前通話的通話內容導入驗證通過的所述通話意圖模型，輸出與當前通話內容相匹配的通話意圖；

將所述通話意圖導入到預先訓練好的話術推薦模型，得到與所述通話意圖相匹配的目標話術。

2.如權利要求1所述的基于語義識別的話術推薦方法，其特征在于，所述從預設歷史語料庫中獲取訓練語料，并對所述訓練語料進行語義識別，得到所述訓練語料的語義識別結果的步驟，具體包括：

從預設歷史語料庫中獲取訓練語料，并對所述訓練語料進行預處理；

基于預設的詞典庫對預處理后的所述訓練語料進行語義識別，得到所述訓練語料的語義識別結果。

3.如權利要求1所述的基于語義識別的話術推薦方法，其特征在于，所述對所述正樣本和所述負樣本進行隨機組合，得到訓練樣本集和驗證數據集的步驟，具體包括：

分別對所述正樣本和所述負樣本進行標注；

對標注后的所述正樣本和所述負樣本進行隨機組合，得到訓練樣本集和驗證數據集，并將所述訓練樣本集和所述驗證數據集存儲在所述預設歷史語料庫中。

4.如權利要求1所述的基于語義識別的話術推薦方法，其特征在于，所述通過所述訓練樣本集對預設的初始意圖識別模型進行訓練的步驟，具體包括：

將所述訓練樣本集導入預設的初始意圖識別模型，對所述訓練樣本集中的訓練語料進行分詞處理，并對分詞后的訓練語料進行向量特征轉換處理，得到詞向量；

對所述詞向量進行卷積運算，提取所述詞向量對應的特征數據；

計算所述特征數據與預設意圖標簽之間的相似度，并基于相似度計算結果對所述初始意圖識別模型進行迭代更新，直至模型擬合，輸出訓練完成的通話意圖模型。

5.如權利要求4所述的基于語義識別的話術推薦方法，其特征在于，所述計算所述特征數據與預設意圖標簽之間的相似度，并基于相似度計算結果對所述初始意圖識別模型進行迭代更新，直至模型擬合，輸出訓練完成的通話意圖模型的步驟，具體包括：

計算所述特征數據與預設意圖標簽之間的相似度，輸出相似度最大的識別結果作為所述訓練語料對應的意圖識別結果；

基于意圖識別結果與預設標準結果，使用反向傳播算法進行擬合，獲取識別誤差；

將識別誤差與預設閾值進行比較，若識別誤差大于預設閾值，則對通話意圖模型進行迭代更新，直到識別誤差小于或等于預設閾值為止；

將識別誤差小于或等于預設閾值的通話意圖模型作為訓練完成的通話意圖模型，輸出訓練完成的通話意圖模型。

6.如權利要求5所述的基于語義識別的話術推薦方法，其特征在于，在所述將識別誤差小于或等于預設閾值的通話意圖模型作為訓練完成的通話意圖模型，輸出訓練完成的通話意圖模型的步驟之后，還包括：

獲取所述驗證數據集中的驗證樣本，并將所述驗證樣本導入訓練完成的通話意圖模型，獲取模型驗證結果；

將所述模型驗證結果與所述驗證樣本的標簽進行比對，根據比對結果對訓練完成的通話意圖模型進行驗證。