[發明專利]客戶意圖分析方法、系統、設備及存儲介質

在審

• 申請號: 202210039128.3
• 申請日: 2022-01-13
• 公開（公告）號: CN114416985A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 李志韜;王健宗
• 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;G06F16/33;G06F16/332;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 段麗葉

本申請提供了一種客戶意圖分析方法、系統、設備及存儲介質，根據客戶通話交互信息進行客戶意圖識別，得到多個客戶的多個意圖序列；意圖序列包括按照時間進行排列的多個客戶意圖；通過多個客戶的多個意圖序列訓練詞嵌入網絡，得到客戶意圖模型；將待預測客戶的至少一次交互信息輸入客戶意圖模型，得到多個客戶意圖向量；計算多個客戶意圖向量與成功意圖向量之間的余弦距離并對比，選取最小的余弦距離對應的客戶意圖向量；相應得到的客戶意圖為客戶意圖預測結果；所述成功意圖向量為預先存儲的業務成單客戶的成功意圖向量。本申請根據客戶意圖序列進行客戶意圖建模，不僅可以提高客戶意圖的準確性，還可以在有利于業務成單方向進行預測。

技術領域

本申請屬于人工智能技術領域，具體地，涉及一種客戶意圖分析方法、系統、設備及存儲介質。

背景技術

意圖的識別在現代AI對話系統中扮演了重要角色，自然語言處理NLP(NaturalLanguage Processing)是研究人與計算機交互的語言問題的一門學科。通過NLP系統產生的客戶意圖在對用戶簡歷用戶畫像和業務推薦的過程中起著非常重要的作用。

但，NLP系統產生的客戶意圖通常是被當做孤立的組件進行獨立分析，忽視了客戶意圖之間的關系，例如時間信息，導致客戶意圖分析時很難捕捉到客戶的連續意圖變化，從而無法進行準確的意圖分析和建模。即使是多輪的意圖識別算法采取的方式也只是粗暴的將之前的獨立客戶信息輸入到模型中，也無法得到向著業務有利的方向干預的意圖識別結果。

發明內容

本發明提出了一種客戶意圖分析方法、系統、設備及存儲介質，旨在解決現有AI對話系統中，客戶意圖識別不準確的問題。

根據本申請實施例的第一個方面，提供了一種客戶意圖分析方法，包括以下步驟：

根據客戶通話交互信息進行客戶意圖識別，得到多個客戶的多個意圖序列；意圖序列包括按照時間進行排列的多個客戶意圖；

通過多個客戶的多個意圖序列訓練詞嵌入網絡，得到客戶意圖模型；

將待預測客戶的至少一次交互信息輸入客戶意圖模型，得到多個客戶意圖向量；

計算多個客戶意圖向量與成功意圖向量之間的余弦距離并對比，選取最小的余弦距離對應的客戶意圖向量；相應得到的客戶意圖為客戶意圖預測結果；成功意圖向量為預先存儲的業務成單客戶的成功意圖向量。

在本申請一些實施方式中，通過多個客戶的多個意圖序列訓練詞嵌入網絡，得到客戶意圖模型，具體包括：

將多個意圖序列進行排列得到意圖有向圖；意圖有向圖節點為客戶意圖，意圖有向圖的邊的權重為意圖有向圖節點之間躍遷的概率；

遍歷意圖有向圖得到多個隨機意圖序列，并根據多個隨機意圖序列訓練詞嵌入網絡，得到客戶意圖模型。

在本申請一些實施方式中，意圖有向圖節點之間躍遷的概率的計算公式為：

Pmn＝Cn/Cm；

其中，Cm為意圖有向圖節點m上經過m但不為終點的意圖序列數，Cn為從意圖有向圖節點m到意圖有向圖節點n經過的意圖序列數，Pmn為意圖有向圖節點m與意圖有向圖節點n之間躍遷的概率。

在本申請一些實施方式中，通過多個客戶的多個意圖序列訓練詞嵌入網絡，得到客戶意圖模型之后，還包括：

輸入客戶成單成功的客戶意圖序列至客戶意圖模型，得到成功意圖向量。

在本申請一些實施方式中，詞嵌入網絡為Word2vec模型，Word2vec模型采用CBOW模型與skip-gram模型相結合，并采用負采樣與層次softmax方法。

在本申請一些實施方式中，將客戶通話交互信息進行客戶意圖識別，得到多個客戶的多個意圖序列，具體包括：