基于知识图谱的智能客服系统技术方案

本发明专利技术公开了一种基于知识图谱的智能客服系统，包括以下步骤：将各个业务中的数据信息抽取到大数据平台中，将行业内已经公开的行业信息和客户特色行业信息进行储存归纳，得到知识库的内容；通过数据的预处理和数据建模工作，实现自动识别客户的需求，并对其进行智能分析，将获取到的非结构化数据、半结构化数据和结构化数据送至大数据平台；根据大数据平台对获取的大数据信息做相应的存储、处理和计算功能，实现对知识库信息的对比，找出其中的规律情况，以此提供可靠的数据结果给予相对准确的答复，有效的满足人工智能客服的功能需求。本发明专利技术通过知识图谱不断学习的智能客服，对民众述求和民众问题可进行的周期性预警预测。众述求和民众问题可进行的周期性预警预测。众述求和民众问题可进行的周期性预警预测。

【技术实现步骤摘要】
基于知识图谱的智能客服系统


[0001]本专利技术属于信息
，尤其涉及一种基于知识图谱的智能客服系统。

技术介绍

[0002]随着互联网技术的不断更新，大数据技术已被广泛地应用于各行各业。而国家的快速发展，也对大数据信息技术的高效应用提出了更高的要求。而基于大数据背景下的人工智能客服系统的应用，不仅可以改变传统的在线客服方式，而且还能有效缓解人工客服的工作压力，提高客服的服务质量。因此，我们就应在信息化不断发展的过程中运用大数据技术，实现人工智能客服系统的有效完善，确保提高智能化客服系统的运行效率。
[0003]现有技术的缺点：
[0004]就针对当前的智能客服系统而言，其主要就是运用自然处理技术来实现客服系统的自动问答服务方式，并将语音以及文本等作为关键词来进行处理，这样虽然能缓解人工客服的工作压力，但随着民众述求的增加，智能客服所需要解决的问题也会不断上升，因此基于深度学习、智能挖掘、精准语义的智能客服的需求不断加深。

技术实现思路

[0005]本专利技术为了解决上述现有技术中存在的缺陷和不足，提供了一种基于深度学习的知识图谱，加深智能客服的不断学习，解决传统智能客服单一的问答方式，通过知识图谱不断学习的智能客服，对民众述求和民众问题可进行周期性的预警预测，实现大数据技术与人工客服智能系统的有效融合，充分发挥出大数据技术的应用性能，提高政府治理效能，通过不断飞跃发展的大数据技术，不仅能够为民众带来高效、完善、优质的服务，同时可以通过不断健全的知识图谱模型对后续民众述求和民众问题进行预警预测的基于知识图谱的智能客服系统。
[0006]本专利技术的技术方案：一种基于知识图谱的智能客服系统，包括以下步骤：
[0007]1)将各个业务中的数据信息抽取到大数据平台中，将行业内已经公开的行业信息和区域特色行业信息进行储存归纳，得到知识库的内容；
[0008]2)通过数据的预处理和数据建模工作，实现自动识别民众的需求，并对其进行智能分析，将获取到的非结构化数据、半结构化数据和结构化数据送至大数据平台；
[0009]3)根据大数据平台对获取的大数据信息做相应的存储、处理和计算功能，实现对知识库信息的对比，找出其中的规律情况，以此提供可靠的数据结果给予相对准确的答复，有效的满足人工智能客服的功能需求。
[0010]优选地，所述步骤1)中通过运用传统的ETL工具和分布式的数据采集组件将各个业务中的数据信息抽取到大数据平台中，提取信息中的实体、谓词和对应关系，构成知识图谱。
[0011]优选地，所述步骤2)中收集到的信息，通过知识图谱嵌入算法，学习实体和谓词的嵌入表示。
[0012]优选地，所述步骤2)中将民众诉求内容送入谓词学习模型，获取位于知识图谱空间中的向量，作为问题的预测谓词表示
[0013]优选地，所述步骤2)中将民众诉求内容送入头部实体学习模型，获得问题的预测头部实体表示
[0014]优选地，所述步骤2)中因为知识图谱中的实体数量较大，会获取多项预测结果，将预测结果送入头部实体检测模型，将多个具有相同或相似名称的实体合并。
[0015]优选地，所述步骤2)中为了计算预测的表示和候选的事实之间的距离，把(h,l,t)表示为(e
h
,p
l
)并定义距离矩阵，以此提出了一个联合距离度量：
[0016][0017]函数sin计算两个字符串的相似性。β1,β2,β3,β4是预定义的权重，用来平衡每个term的贡献。
[0018]优选地，所述步骤3)的具体过程如下：将步骤2)基于实体名称的token中学习到的实体名，搜索整个知识图谱以找到候选事实集。对于候选事实集中的所有事实，根据上述目标函数计算它们与预测的表示形式的联合距离,其中具有最小距离的事实(h
*
,l
*
,t
*
)中的尾部实体即为民众诉求的答案，从而实现智能问答。
[0019]本专利技术将大数据技术运用在人工智能客服系统中，对于有效的缓解人工客服压力，向用户提供更加优质化的服务以及促进行业的智能化发展都具有至关重要的作用，通过基于大数据的人工智能客服系统简述以及相关话务数据分析模型和科学构建，进而实现大数据技术与人工客服智能系统的有效融合，充分发挥出大数据技术的应用性能，提高行业经营效能，通过不断飞跃发展的大数据技术，不仅能够为客户带来高效、完善、优质的服务，同时可以通过不断健全的知识图谱模型对后续民众述求和民众问题进行周期性的预警预测。
附图说明
[0020]图1为本专利技术的流程示意图。
具体实施方式
[0021]下面结合附图对本专利技术作进一步详细的说明，但并不是对本专利技术保护范围的限制。
[0022]一种基于知识图谱的智能客服系统，其特征在于：其包括以下步骤：
[0023]1)将各个业务中的数据信息抽取到大数据平台中，将行业内已经公开的行业信息和区域特色行业信息进行储存归纳，得到知识库的内容；
[0024]2)通过数据的预处理和数据建模工作，实现自动识别民众的需求，并对其进行智能分析，将获取到的非结构化数据、半结构化数据和结构化数据送至大数据平台；
[0025]3)根据大数据平台对获取的大数据信息做相应的存储、处理和计算功能，实现对知识库信息的对比，找出其中的规律情况，以此提供可靠的数据结果给予相对准确的答复，
有效的满足人工智能客服的功能需求。
[0026]所述步骤1)中通过运用传统的ETL工具和分布式的数据采集组件将各个业务中的数据信息抽取到大数据平台中。
[0027]所述步骤2)中通过数据的预处理和数据建模工作，还能实现对在线智能客服工作中产生的数据进行智能分析。
[0028]所述步骤2)中通过数据的预处理和数据建模工作，还能为智能客服系统提供新的计算机能力和大量的数据信息。
[0029]所述步骤2)中通过数据的预处理和数据建模工作，还能在人工智能基础理论的不断更新与完善的情况下，为大数据技术的高效应用提供更加丰富的模型和算法。
[0030]如图1所示，所述步骤2)的具体过程如下：获取民众诉求，对民众诉求进行分析和拆解，得到非结构化数据、半结构化数据和结构化数据送，将结构化数据直接送至知识库，将非结构化数据和半结构化数据进行属性抽取、关系提取和实体提取后送至知识库。所述步骤3)的具体过程如下：将步骤2)送至知识库的非结构化数据、半结构化数据和结构化数据送进行检索和数据匹配，然后进行重排序，最后得到准确的答案。
[0031]本专利技术将大数据技术运用在人工智能客服系统中，对于有效的缓解人工客服压力，向用户提供更加优质化的服务以及促进行业的智能化发展都具有至关重要的作用，通过基于大数据的人工智能客服系统简述以及相关话务数据分析模型和科学构建，进而实现大数据技术与人工客服智能系统的有效融合，充分发挥出大数据技术的应用性能，提高政府治理经营效能，通过不断飞跃发展的大数据技术，不仅能够本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的智能客服系统，其特征在于：其包括以下步骤：1)将各个业务中的数据信息抽取到大数据平台中，将行业内已经公开的行业信息和区域特色行业信息进行储存归纳，得到知识库的内容；2)通过数据的预处理和数据建模工作，实现自动识别民众的需求，并对其进行智能分析，将获取到的非结构化数据、半结构化数据和结构化数据送至大数据平台；3)根据大数据平台对获取的大数据信息做相应的存储、处理和计算功能，实现对知识库信息的对比，找出其中的规律情况，以此提供可靠的数据结果给予相对准确的答复，有效的满足人工智能客服的功能需求。2.根据权利要求1所述的一种基于知识图谱的智能客服系统，其特征在于：所述步骤1)中通过运用传统的ETL工具和分布式的数据采集组件将各个业务中的数据信息抽取到大数据平台中，提取信息中的实体、谓词和对应关系，构成知识图谱。3.根据权利要求1所述的一种基于知识图谱的智能客服系统，其特征在于：所述步骤2)中收集到的信息，通过知识图谱嵌入算法，学习实体和谓词的嵌入表示。4.根据权利要求3所述的一种基于知识图谱的智能客服系统，其特征在于：所述步骤2)中将民众诉求内容送入谓词学习模型，获取位于知识图谱空间中的向量，作为问题的预测谓词表示5.根据权利要求4所述的一种基于知识图谱的智能客服系统，其特征在...

【专利技术属性】
技术研发人员：倪杨喜，
申请(专利权)人：杭州钉铛科技有限公司，
类型：发明
国别省市：