[發(fā)明專利]智能客服自動(dòng)應(yīng)答方法及其裝置、設(shè)備、介質(zhì)、產(chǎn)品

在審

• 申請(qǐng)?zhí)枺?/td>: 202210105938.4
• 申請(qǐng)日: 2022-01-28
• 公開（公告）號(hào): CN114428845A
• 公開（公告）日: 2022-05-03
• 發(fā)明（設(shè)計(jì)）人: 許強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 廣州華多網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06F16/332
• 分類號(hào): G06F16/332;G06F16/33;G06F16/338;G06F16/35;G06N5/02;G06Q30/06
• 代理公司: 廣州利能知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44673
• 代理人: 王增鑫

1.一種智能客服自動(dòng)應(yīng)答方法，其特征在于，包括如下步驟：

獲取電商客服系統(tǒng)聊天界面提交的提問(wèn)文本；

從電商客服系統(tǒng)的知識(shí)庫(kù)的全量預(yù)設(shè)問(wèn)題中獲取與該提問(wèn)文本構(gòu)成語(yǔ)義最相似的預(yù)設(shè)問(wèn)題作為目標(biāo)問(wèn)題，確定所述目標(biāo)問(wèn)題所歸屬的問(wèn)題集相映射的答案集作為目標(biāo)答案集；其中，所述知識(shí)庫(kù)包括問(wèn)題集與答案集之間的映射關(guān)系數(shù)據(jù)，每個(gè)問(wèn)題集包括多個(gè)預(yù)設(shè)問(wèn)題，其中包含一個(gè)標(biāo)準(zhǔn)問(wèn)題及多個(gè)相似問(wèn)題；每個(gè)答案集包括多個(gè)預(yù)設(shè)答案，所述標(biāo)準(zhǔn)問(wèn)題及預(yù)設(shè)答案均以標(biāo)簽池中的流程標(biāo)簽進(jìn)行標(biāo)注，標(biāo)簽池中各個(gè)流程標(biāo)簽分別相應(yīng)表征電商訂單流程中的各個(gè)業(yè)務(wù)環(huán)節(jié)；

采用已訓(xùn)練至收斂狀態(tài)的分類模型確定出所述提問(wèn)文本映射到所述標(biāo)簽池的每個(gè)流程標(biāo)簽相對(duì)應(yīng)的分類概率，從所述目標(biāo)答案集中確定出所標(biāo)注的流程標(biāo)簽的所述分類概率為目標(biāo)答案集范圍內(nèi)相對(duì)最大值的預(yù)設(shè)答案作為目標(biāo)答案；

將所述目標(biāo)答案推送至所述電商客服系統(tǒng)聊天界面顯示。

2.根據(jù)權(quán)利要求1所述的智能客服自動(dòng)應(yīng)答方法，其特征在于，從電商客服系統(tǒng)的知識(shí)庫(kù)的全量預(yù)設(shè)問(wèn)題中獲取與該提問(wèn)文本構(gòu)成語(yǔ)義最相似的預(yù)設(shè)問(wèn)題作為目標(biāo)問(wèn)題，確定所述目標(biāo)問(wèn)題所歸屬的問(wèn)題集相映射的答案集作為目標(biāo)答案集，包括如下步驟：

采用已訓(xùn)練至收斂狀態(tài)的文本特征提取模型，提取所述提問(wèn)文本的句向量；

計(jì)算該提問(wèn)文本的句向量與所述知識(shí)庫(kù)中的全量預(yù)設(shè)問(wèn)題的由所述文本特征提取模型預(yù)先提取的句向量之間的相似度數(shù)據(jù)；

篩選出相似度數(shù)據(jù)高于預(yù)設(shè)閾值且該相似度數(shù)據(jù)為最大值的預(yù)設(shè)問(wèn)題，將其確定為目標(biāo)問(wèn)題；

從知識(shí)庫(kù)中獲取所述目標(biāo)問(wèn)題所歸屬的問(wèn)題集的標(biāo)準(zhǔn)問(wèn)題相對(duì)應(yīng)映射的答案集作為目標(biāo)答案集。

3.根據(jù)權(quán)利要求1所述的智能客服自動(dòng)應(yīng)答方法，其特征在于，采用已訓(xùn)練至收斂狀態(tài)的分類模型確定出所述提問(wèn)文本映射到所述標(biāo)簽池的每個(gè)流程標(biāo)簽相對(duì)應(yīng)的分類概率，從所述目標(biāo)答案集中確定出所標(biāo)注的流程標(biāo)簽的所述分類概率為目標(biāo)答案集范圍內(nèi)相對(duì)最大值的預(yù)設(shè)答案作為目標(biāo)答案，包括如下步驟：

采用分類模型中的文本特征提取模型提取所述提問(wèn)文本的句向量；

采用分類模型中預(yù)設(shè)的分類器根據(jù)該提問(wèn)文本的句向量進(jìn)行分類映射，獲得該提問(wèn)文本映射到所述標(biāo)簽池中的每個(gè)流程標(biāo)簽相對(duì)應(yīng)的分類概率；

根據(jù)所述目標(biāo)答案集中的預(yù)設(shè)答案所攜帶的一個(gè)或多個(gè)流程標(biāo)簽，確定各個(gè)預(yù)設(shè)答案相對(duì)應(yīng)的一個(gè)或多個(gè)分類概率；

比較目標(biāo)答案集中各個(gè)預(yù)設(shè)答案相對(duì)應(yīng)的分類概率，確定出其中的最大分類概率，將擁有該最大分類概率的預(yù)設(shè)答案作為目標(biāo)答案。

4.根據(jù)權(quán)利要求3所述的智能客服自動(dòng)應(yīng)答方法，其特征在于，所述分類模型的訓(xùn)練過(guò)程被預(yù)先實(shí)施，包括如下步驟：

從所述知識(shí)庫(kù)中問(wèn)題集中選取一個(gè)預(yù)設(shè)問(wèn)題作為訓(xùn)練樣本，輸入分類模型的文本特征提取模型提取句向量；

通過(guò)分類器將該句向量進(jìn)行分類映射，獲得該句向量映射到標(biāo)簽池中每個(gè)流程標(biāo)簽相對(duì)應(yīng)的分類概率，確定其中最大分類概率相對(duì)應(yīng)的目標(biāo)流程標(biāo)簽；

以所選取的問(wèn)題集中的標(biāo)準(zhǔn)問(wèn)題所攜帶的流程標(biāo)簽為監(jiān)督標(biāo)簽，計(jì)算該目標(biāo)流程標(biāo)簽的損失值，若該損失值達(dá)到預(yù)設(shè)閾值而達(dá)到收斂狀態(tài)，終止訓(xùn)練；否則，實(shí)施梯度更新，采用下一訓(xùn)練樣本對(duì)分類模型實(shí)施迭代訓(xùn)練。

5.根據(jù)權(quán)利要求4所述的智能客服自動(dòng)應(yīng)答方法，其特征在于，完成所述分類模型的訓(xùn)練過(guò)程之后，包括如下步驟：

采用已被訓(xùn)練至收斂狀態(tài)的所述分類模型中的文本特征提取模型，分別為所述知識(shí)庫(kù)中的每個(gè)預(yù)設(shè)問(wèn)題提取句向量并與該預(yù)設(shè)問(wèn)題關(guān)聯(lián)存儲(chǔ)于知識(shí)庫(kù)中。

6.根據(jù)權(quán)利要求1至5中任意一項(xiàng)所述的智能客服自動(dòng)應(yīng)答方法，其特征在于，所述電商訂單流程包括多個(gè)不同階段，每個(gè)階段包括一個(gè)或多個(gè)業(yè)務(wù)環(huán)節(jié)，對(duì)應(yīng)每個(gè)業(yè)務(wù)環(huán)節(jié)設(shè)置有一個(gè)流程標(biāo)簽，所有業(yè)務(wù)環(huán)節(jié)相對(duì)應(yīng)的流程標(biāo)簽的集合構(gòu)成所述的標(biāo)簽池，其中，所述不同階段包括收藏階段、購(gòu)物車階段、支付階段、發(fā)貨階段、售后階段。