【技术实现步骤摘要】
本专利技术涉及语言智能数据处理，特别涉及一种基于大模型处理的智能客服问答系统及方法。
技术介绍
1、目前，随着人工智能技术的不断发展，智能客服问答系统在实际应用中被广泛使用，通过智能客服问答系统有效提高了用户的问答效率，为用户的生活提供了便利的效果与完美的体验；
2、然而，传统的智能客服问答系统通常基于规则、模板或简单的统计模型进行问答，受到了语义理解能力和多样性表达的限制，难以准确理解用户的意图和回答复杂问题，使得对话更加生硬不具备人性化，且没有实现多平台权限部署从而无法让用户在不同的设备和环境中都能享受到便捷的服务，从而降低用户的满意度与沟通体验；
3、因此，为了克服上述技术问题，本专利技术提供了一种基于大模型处理的智能客服问答系统及方法。
技术实现思路
1、本专利技术提供一种基于大模型处理的智能客服问答系统及方法，用以通过对用户终端输入的语言信息进行自动化处理，减少对人工客服的依赖，显著降低服务成本，提高智能客服的响应速率，从而提升用户体验，增加用户满意度和忠诚度，通过实时读取用户基于答复输出的反馈信息，并对反馈信息进行学习，动态优化答复内容与答复方式从而可以适应市场变化和用户需要的演进，通过多平台权限部署配置可以让用户在不同的设备和环境中都能享受到便捷的服务，通过对用户情感状态的判定与对应答复方式的回复可以使得对话更加人性化，增强用户的沟通体验，综上，本方案不仅能提高企业运营效率，还能在竞争激烈的市场中提升企业的服务品质和客户满意度。
2
3、语言信息分析模块，用于读取用户终端输入的语言信息，并对语言信息进行分析，输出用户的对话需求与情感状态；
4、问答模块，用于基于对话需求在综合知识库中匹配最佳答复内容，并基于情感状态确定回应方式，且根据回应方式将最佳答复内容向用户终端进行答复输出；
5、学习优化模块，用于实时读取用户基于答复输出的反馈信息，并对反馈信息进行学习，动态优化答复内容与答复方式；
6、部署配置模块，用于将动态优化答复内容与答复方式进行封装，并对封装结果进行多平台权限部署配置。
7、优选的，一种基于大模型处理的智能客服问答系统，语言信息分析模块，包括：
8、语言输入单元，用于基于用户终端接入聊天界面，并在聊天界面显示用户终端输入的语言信息；
9、语言信息处理单元，用于对语言信息进行数据处理，获得纯净语言信息；
10、语言信息分析单元，用于对纯净语言信息进行识别解析，输出用户的对话需求与情感状态。
11、优选的，一种基于大模型处理的智能客服问答系统，语言信息处理单元，包括：
12、信息读取子单元，用于对语言信息进行读取，确定语言信息对应的语音信号数据；
13、信号数据处理子单元，用于对语音信号数据进行增强处理，获得第一语音信号数据，同时，对第一语音信号数据进行频谱分析，并基于分析结果提取人声语音信号的信号段；
14、模型构建子单元，用于对人声语音信号的信号段进行学习，确定人声语音信号的信号段的基准频谱特征，并根据人声语音信号的信号段的基准频谱特征构建语音信号噪声识别模型；
15、信号滤波子单元，用于：
16、将第一语音信号数据输入至语音信号噪声识别模型中进行频谱特征识别，并根据识别结果将第一语音信号数据中与基准频谱特征不一致的语音信号数据进行标记，并根据标记结果确定异常语音信号段；
17、对异常语音信号段对应的噪声信号进行过滤，获得第二语音信号数据，其中第二语音信号数据即为纯净语言信息。
18、优选的，一种基于大模型处理的智能客服问答系统，语言信息分析单元，包括：
19、语音文本转换子单元，用于读取纯净语言信息，将纯净语言信息转换为文本描述，并在文本描述中根据文本描述的停顿标识将文本描述划分为多个子文本描述；
20、关键短语处理子单元，用于获取子文本描述的关键短语，并将每个子文本描述的关键短语映射至连续的向量空间，并根据映射结果输出每个子文本描述中关键短语的向量表示；
21、语义向量确定子单元，用于根据每个子文本描述中关键短语的向量表示，计算每个子文本描述中关键短语之间的第一语义关系，确定每个子文本描述的语义向量；
22、对话需求获取子单元，用于根据每个子文本描述的语义向量确定每个子文本描述间的第二语义关系，并根据第二语义关系确定用户的对话需求；
23、情感状态确定子单元，用于将用户的对话需求以及纯净语言信息输入至预设情感识别模型进行分析，并基于分析结果输出用户的情感状态。
24、优选的，一种基于大模型处理的智能客服问答系统，问答模块，包括：
25、内容匹配单元，用于：
26、获取得到的对话需求，并将对话需求转换为对话文本；
27、基于语法解析规则对对话文本进行分词和词性标注，并基于分词和词性标注结果提取对话文本中的实体信息以及关键执行动作；
28、基于实体信息将对话文本中的上下文的关键执行动作进行文本关联，并基于文本关联结果确定对话意图和需求，且基于对话意图和需求对综合知识库进行遍历，得到最佳答复内容；
29、回应单元，用于：
30、对情感状态进行解析，确定用户当前时刻的情感倾向和情感强度，并基于情感倾向确定用户的情感状态类别，同时，基于情感强度确定用户的情感倾向的量化参量；
31、基于情感状态类别和量化参量从预设的多维回应策略库中调取目标回应方式，并基于目标回应方式将最佳答复内容向用户终端进行答复输出；
32、优化单元，用于基于答复输出结果对用户的实时情感状态进行复检，并基于复检结果确定用户的情感状态变化特征，且基于情感变化特征对目标回应方式进行同步调整；
33、加密及记录单元，用于：
34、基于同步调整结果获取用户随时间序列的全问答数据内容，并基于多类别加密密钥对全问答数据内容进行混合加密；
35、对混合加密后的全问答数据进行记录存储，并基于用户身份对记录存储结果进行归属标记。
36、优选的，一种基于大模型处理的智能客服问答系统，优化单元，包括：
37、结果获取子单元，用于获取用户的情感状态以及情感变化特征，并当用户的情感状态为消极状态时，基于情感变化特征确定用户的情感改变趋势和情感改变量；
38、内容确定子单元，用于基于情感改变趋势和情感改变量确定情感引导介入时机以及情感引导方向和情感引导内容；
39、引导子单元，用于基于情感引导介入时机以及情感引导方向和情感引导内容对用户进行情感状态引导，并基于情感状态引导的同时同步进行应答回复。
40、优选的，一种基于大模型处理的智能客服问答系统，学习优化模块，包括：
41、信息收集单元，用于基于答复输出结果获取不同用本文档来自技高网...
【技术保护点】
1.一种基于大模型处理的智能客服问答系统，其特征在于，包括：
2.根据权利要求1所述的一种基于大模型处理的智能客服问答系统，其特征在于，语言信息分析模块，包括：
3.根据权利要求2所述的一种基于大模型处理的智能客服问答系统，其特征在于，语言信息处理单元，包括：
4.根据权利要求2所述的一种基于大模型处理的智能客服问答系统，其特征在于，语言信息分析单元，包括：
5.根据权利要求1所述的一种基于大模型处理的智能客服问答系统，其特征在于，问答模块，包括：
6.根据权利要求5所述的一种基于大模型处理的智能客服问答系统，其特征在于，优化单元，包括：
7.根据权利要求1所述的一种基于大模型处理的智能客服问答系统，其特征在于，学习优化模块，包括：
8.根据权利要求1所述的一种基于大模型处理的智能客服问答系统，其特征在于，部署配置模块，包括：
9.根据权利要求7所述的一种基于大模型处理的智能客服问答系统，其特征在于，漏洞确定单元，包括：
10.一种基于大模型处理的智能客服问答方法，其特征在
...【技术特征摘要】
1.一种基于大模型处理的智能客服问答系统，其特征在于，包括：
2.根据权利要求1所述的一种基于大模型处理的智能客服问答系统，其特征在于，语言信息分析模块，包括：
3.根据权利要求2所述的一种基于大模型处理的智能客服问答系统，其特征在于，语言信息处理单元，包括：
4.根据权利要求2所述的一种基于大模型处理的智能客服问答系统，其特征在于，语言信息分析单元，包括：
5.根据权利要求1所述的一种基于大模型处理的智能客服问答系统，其特征在于，问答模块，包括：<...
【专利技术属性】
技术研发人员：李庆柱，张子晴，李人杰，
申请(专利权)人：河北比特聚客科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。