智能客服模型优化方法、猜你想问方法、装置及电子设备制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种智能客服模型优化方法、猜你想问方法、装置及电子设备。首先获取多个用户特征及其对应的历史会话、历史咨询单和历史意图集；然后分别将每个用户特征作为待定用户特征，基于待定用户特征对应的待定历史会话和待定历史咨询单，获得待定用户特征对应的候选意图集；并基于待定用户特征对应的历史意图集和候选意图集，确定待定用户特征对应的实际意图集，得到每个用户特征对应的实际意图集；最后基于每个用户特征及其对应的实际意图集，对待优化智能客服模型进行训练优化，得到智能客服模型。从而可以降低错误意图对模型的干扰，提升了智能客服模型的性能并提高了模型预测的准确性。性能并提高了模型预测的准确性。性能并提高了模型预测的准确性。

【技术实现步骤摘要】
智能客服模型优化方法、猜你想问方法、装置及电子设备


[0001]本专利技术涉及人工智能
，具体而言，涉及一种智能客服模型优化方法、猜你想问方法、装置及电子设备。

技术介绍

[0002]目前一般是基于用户点击或者输入的问题意图来优化智能客服模型，但是这种方式会因用户的误操作而获取到错误的意图，那么就会误导智能客服模型。并且，有些用户会跳过智能客服直接转到人工客服，这样就无法获取到用户的真实意图，由此会导致智能客服模型的性能变差，预测的准确性降低。

技术实现思路

[0003]有鉴于此，本专利技术的目的在于提供一种智能客服模型优化方法、猜你想问方法、装置及电子设备。
[0004]为了实现上述目的，本专利技术采用的技术方案如下：
[0005]第一方面，本专利技术提供一种智能客服模型优化方法，所述方法包括：
[0006]获取多个用户特征及其对应的历史会话、历史咨询单和历史意图集；其中，所述历史会话表示用户向人工客服输入的文本内容；所述历史咨询单表示人工客服记录的用户的咨询信息，所述历史意图集表示用户在智能客服页面触达过的意图合集；
[0007]分别将每个所述用户特征作为待定用户特征，基于所述待定用户特征对应的待定历史会话和待定历史咨询单，获得所述待定用户特征对应的候选意图集；
[0008]基于所述待定用户特征对应的历史意图集和候选意图集，确定所述待定用户特征对应的实际意图集，得到每个所述用户特征对应的实际意图集；
[0009]基于每个所述用户特征及其对应的实际意图集，对待优化智能客服模型进行训练优化，得到智能客服模型。
[0010]在可选的实施方式中，所述历史咨询单包括用户诉求信息和咨询类别；
[0011]所述基于所述待定用户特征对应的待定历史会话和待定历史咨询单，获得所述待定用户特征对应的候选意图集的步骤，包括：
[0012]利用预训练的业务句子校验模型和预设识别模型，从所述待定历史会话中提取每个第一意图，获得所述待定用户特征对应的第一意图集；
[0013]利用预训练的业务句子校验模型和预设识别模型，从所述待定历史咨询单的用户诉求信息中提取每个第二意图，获得所述待定用户特征对应的第二意图集；
[0014]在所述待优化智能客服模型所关联的多个意图中，获取与所述待定历史咨询单中咨询类别所匹配的每个第三意图，获得所述待定用户特征对应的第三意图集，得到所述待定用户特征对应的候选意图集。
[0015]在可选的实施方式中，所述利用预训练的业务句子校验模型和预设识别模型，从所述待定历史会话中提取每个第一意图的步骤，包括：
[0016]将所述待定历史会话中的每个单句分别作为待处理句子，并确定所述待定历史会话中每个单句的顺序；
[0017]利用所述业务句子校验模型对所述待处理句子进行业务完整性校验；
[0018]若所述待处理句子通过校验，则将所述待处理句子作为第一业务句子；
[0019]若所述待处理句子未通过校验，则将所述待处理句子与其后一个单句拼接得到目标复合句，并将所述目标复合句作为所述待处理句子后，重复执行所述利用所述业务句子校验模型对所述待处理句子进行业务完整性校验的步骤，直至所述目标复合句中的单句总数达到预设数目；
[0020]利用所述预设识别模型识别每个所述第一业务句子对应的意图，得到每个所述第一意图。
[0021]在可选的实施方式中，所述利用预训练的业务句子校验模型和预设识别模型，从所述待定历史咨询单的用户诉求信息中提取每个第二意图的步骤，包括：
[0022]利用所述业务句子校验模型，对所述待定历史咨询单的用户诉求信息中的每个单句进行业务完整性校验，获得通过校验的每个第二业务句子；
[0023]利用所述预设识别模型识别每个所述第二业务句子对应的意图，得到每个所述第二意图。
[0024]在可选的实施方式中，所述基于所述待定用户特征对应的历史意图集和候选意图集，确定所述待定用户特征对应的实际意图集的步骤，包括：
[0025]获取所述待定用户特征对应的历史意图集与第三意图集的交集；
[0026]获取所述待定用户特征对应的第一意图集与第二意图集的并集；
[0027]合并所述交集与所述并集，得到所述待定用户特征对应的实际意图集。
[0028]在可选的实施方式中，所述业务句子校验模型是按照以下方式得到的：
[0029]获取多个单句样本及其意图标记和多个复合句样本及其意图标记，所述意图标记为业务意图标记或者非业务意图标记；
[0030]将所述意图标记为业务意图标记的每个单句样本和每个复合句样本，均作为完整业务句子样本；
[0031]将所述意图标记为非业务意图标记的每个单句样本和每个复合句样本，均作为非完整业务句子样本；
[0032]对于所述意图标记为业务意图标记的每个待处理复合句样本，将所述待处理复合句样本中每个单句均作为非完整业务句子样本；
[0033]对于所述意图标记为业务意图标记的每个待处理单句样本，将任意两个待处理单句样本拼接后的句子均作为非完整业务句子样本；
[0034]基于多个所述完整业务句子样本和多个所述非完整业务句子样本，对基础业务句子校验模型进行训练，得到所述业务句子校验模型。
[0035]第二方面，本专利技术提供一种猜你想问方法，所述猜你想问方法包括：
[0036]基于目标用户的基本信息和行为信息，获得目标用户特征；
[0037]利用智能客服模型对所述目标用户特征进行意图预测，得到每个意图对应的概率值；
[0038]按照从大到小的顺序对全部概率值进行排序，并获取前N个概率值分别对应的意
图，得到N个目标意图，N为正整数；
[0039]向所述目标用户推荐每个所述目标意图对应的问题；
[0040]其中，所述智能客服模型是根据前述实施方式任一项所述的智能客服模型优化方法得到的。
[0041]第三方面，本专利技术提供一种智能客服模型优化装置，所述装置包括：
[0042]获取模块，用于获取多个用户特征及其对应的历史会话、历史咨询单和历史意图集；其中，所述历史会话表示用户向人工客服输入的文本内容；所述历史咨询单表示人工客服记录的用户的咨询信息，所述历史意图集表示用户在智能客服页面触达过的意图合集；
[0043]确定模块，用于分别将每个所述用户特征作为待定用户特征，基于所述待定用户特征对应的待定历史会话和待定历史咨询单，获得所述待定用户特征对应的候选意图集；
[0044]基于所述待定用户特征对应的历史意图集和候选意图集，确定所述待定用户特征对应的实际意图集，得到每个所述用户特征对应的实际意图集；
[0045]优化模块，用于基于每个所述用户特征及其对应的实际意图集，对待优化智能客服模型进行训练优化，得到智能客服模型。
[0046]第四方面，本专利技术提供一种猜你想问装置，所述猜你想问装置包括：
[0047]预测模块，用于基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能客服模型优化方法，其特征在于，所述方法包括：获取多个用户特征及其对应的历史会话、历史咨询单和历史意图集；其中，所述历史会话表示用户向人工客服输入的文本内容；所述历史咨询单表示人工客服记录的用户的咨询信息，所述历史意图集表示用户在智能客服页面触达过的意图合集；分别将每个所述用户特征作为待定用户特征，基于所述待定用户特征对应的待定历史会话和待定历史咨询单，获得所述待定用户特征对应的候选意图集；基于所述待定用户特征对应的历史意图集和候选意图集，确定所述待定用户特征对应的实际意图集，得到每个所述用户特征对应的实际意图集；基于每个所述用户特征及其对应的实际意图集，对待优化智能客服模型进行训练优化，得到智能客服模型。2.根据权利要求1所述的智能客服模型优化方法，其特征在于，所述历史咨询单包括用户诉求信息和咨询类别；所述基于所述待定用户特征对应的待定历史会话和待定历史咨询单，获得所述待定用户特征对应的候选意图集的步骤，包括：利用预训练的业务句子校验模型和预设识别模型，从所述待定历史会话中提取每个第一意图，获得所述待定用户特征对应的第一意图集；利用预训练的业务句子校验模型和预设识别模型，从所述待定历史咨询单的用户诉求信息中提取每个第二意图，获得所述待定用户特征对应的第二意图集；在所述待优化智能客服模型所关联的多个意图中，获取与所述待定历史咨询单中咨询类别所匹配的每个第三意图，获得所述待定用户特征对应的第三意图集，得到所述待定用户特征对应的候选意图集。3.根据权利要求2所述的智能客服模型优化方法，其特征在于，所述利用预训练的业务句子校验模型和预设识别模型，从所述待定历史会话中提取每个第一意图的步骤，包括：将所述待定历史会话中的每个单句分别作为待处理句子，并确定所述待定历史会话中每个单句的顺序；利用所述业务句子校验模型对所述待处理句子进行业务完整性校验；若所述待处理句子通过校验，则将所述待处理句子作为第一业务句子；若所述待处理句子未通过校验，则将所述待处理句子与其后一个单句拼接得到目标复合句，并将所述目标复合句作为所述待处理句子后，重复执行所述利用所述业务句子校验模型对所述待处理句子进行业务完整性校验的步骤，直至所述目标复合句中的单句总数达到预设数目；利用所述预设识别模型识别每个所述第一业务句子对应的意图，得到每个所述第一意图。4.根据权利要求2所述的智能客服模型优化方法，其特征在于，所述利用预训练的业务句子校验模型和预设识别模型，从所述待定历史咨询单的用户诉求信息中提取每个第二意图的步骤，包括：利用所述业务句子校验模型，对所述待定历史咨询单的用户诉求信息中的每个单句进行业务完整性校验，获得通过校验的每个第二业务句子；利用所述预设识别模型识别每个所述第二业务句子对应的意图，得到每个所述第二意
图。5.根据权利要求2所述的智能客服模型优化方法，其特征在于，所述基于所述待定用户特征对应的历史意图集和候选意图集，确定所述待定用户特征对应的实际意图集的步骤，包括：获取所述待定用户特征对应的历史意图集与第三意图集的交集；获取所述待定用...

【专利技术属性】
技术研发人员：罗欢，李辛，陈超，侯元春，
申请(专利权)人：喜丈上海网络科技有限公司，
类型：发明
国别省市：