【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体为一种多风格润色的智能客服回复方法、系统及其存储介质。
技术介绍
1、在现代电商平台中，客服机器人通过知识库配置来实现高效的用户问题解答，知识库的构建通常是在离线环境中完成的，客服运营人员会预设用户可能的意图分类，并在每个意图分类下配置对应的答案模板。在真实的用户交互中，当系统识别出用户的意图后，会调取知识库中对应的答案模板，再根据特定信息（如商品卖点、活动信息等）填充答案中的占位符后，形成最终的回复内容；
2、然而，为了提升用户体验，仅靠直接填充的固定话术无法满足多样化的沟通需求，电商客服的回复需要在不同情境下调整风格，体现个性化表达，并保持话术的专业性，例如，对于相同的产品介绍，用户可能希望听到客服不同风格的话术，如“贴心客服”风格的温柔引导，或是“种草达人”风格的推荐语；
3、此外，电商平台的商品和活动更新频繁，客服话术还需根据上下文动态获取最新的商品信息和活动信息，确保回复内容准确、及时，而目前的电商客服在现有的电商知识库配置模式在话术优化方面存在以下缺陷：
4、话术风格单一，缺乏多样化表达：
5、在现有技术中，知识库中的答案多为固定的标准话术，人工配置的答案模板缺乏自动化的多风格生成能力。在实际使用时，不同用户和情境需要不同的语言风格，以提升沟通的自然度和用户的好感度。然而，传统配置方式无法在输出阶段灵活调整话术风格，导致用户体验单一，难以适应多样化的服务需求；
6、商品信息与活动信息的动态获取不足：
7、在客服话术
技术实现思路
1、本专利技术的目的在于提供一种多风格润色的智能客服回复方法、系统及其存储介质，实现话术风格的多样化、商品信息的动态融合，以及生成智能化的润色话术来提升客服服务质量，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种多风格润色的智能客服回复方法，包括基于历史客服数据搭建丰富用户的意图分类与配置对应意图回答模版的知识库配置模块，所述回答模版中包含有固定信息与占位符标记的动态信息，通过动态信息填充模块对占位符进行分析，并获取多数据源对占位符位置进行精准信息填充，根据用户输入文本内容输出初步回复文本，初步回复文本输入至引入有结合风格标签的成交倾向指标作为奖励的风格话术生成模型中，润色生成提高成交率且符合特定风格的客服回复。
3、作为优选，搭建所述知识库配置模块的具体方法包括以下步骤：
4、s101：数据收集处理，从平台数据库中提取历史客服与用户的对话记录，收集用户可能提出的各种问题，对收集的用户问题进行整理、去重和分类，形成初步的用户意图集合；
5、s102：建立意图分类体系，根据业务需求和用户问题的特点，定义包含有描述与范围的意图类别，构建多分类层级的意图分类，为每个意图类别编制意图描述；
6、s103：配置对应意图回答模版，根据建立的意图分类体系针对每类意图使用自然语言编写标准化的回答模版，所述回答模版中与产品相关的信息标记为动态信息；
7、s104：意图分类模型训练，根据建立的意图分类体系对用户的问询文本进行对应的意图标注，后利用经典预训练模型，进行分类训练，并将训练好的模型保存。
8、作为优选，所述动态信息填充模块对占位符进行分析，并获取多数据源对占位符位置进行精准信息填充的方法具体包括：
9、建立产品信息与相关活动信息的数据库，同时从所述回答模版中提取占位符，分析识别提取的占位符：
10、若为简单占位符则建立数据库字段与占位符之间的映射关系，根据用户输入或上下文信息中获取的产品标识从数据库中查询对应字段的值，将查询的数据值校验后与对应的占位符进行替换；
11、若为复杂占位符则根据用户输入的上下文，借助大语言模型的理解分析能力，进行信息字段的抽取，解析用户需求，将解析得到的需求转换为结构化的查询条件，同时生成查询的sparql语句，将查询的结果替换对应的占位符。
12、作为优选，所述动态信息填充模块中设置有用于占位符替换出现异常时进行用户维护的异常处理机制，在替换数据缺失但不影响回复整体意义时，使用预设的默认值替换占位符，在关键数据缺失，无法生成有效回复时，使用通用的兜底回复模板。
13、作为优选，所述风格话术生成模型包括基于历史对话记录数据建立客服回复风格与成交结果之间的关联，具体方法如下：
14、从电商平台数据库中提取历史客服与用户的对话记录，包含已成交和未成交的完整对话，每条对话记录均包含以下字段：对话唯一标识符、消息时间戳、消息发送者、消息内容；
15、将对话记录与订单系统的数据进行匹配，标注每次对话是否最终导致购买，在对话记录的基础上，增加成交标签作为新增字段补充到对话记录的数据结构中；
16、引入大型预训练语言模型，根据建立的风格定义维度进行自动预标注。
17、作为优选，所述风格话术生成模型中润色生成提高成交率且符合特定风格的客服回复的具体方法包括以下步骤：
18、s201：用户文本数据处理，将初步回复文本tinitial、风格标签starget和上下文信息c=（m1,m2,m3……mn）按照设定格式拼接，形成模型的输入序列，并对输入序列进行分词和标记化，转换为模型输入所需的token序列；
19、s202：标签与辅助信息编码，将风格标签starget编码为对应的嵌入向量es历史数据中的成交标签lpurchase作为样本的属性；
20、s203：模型初步学习，使模型学习在给定初步回复文本tinitial、风格标签starget和上下文信息c的条件下，生成符合目标风格的回复文本tfinal；
21、s204：模型强化学习，引入成交倾向指标作为奖励，润色生成以提高成交率且符合特定风格的客服回复，进一步优化模型的生成质量。
22、作为优选，模型初步学习的具体步骤如下：
23、将输入序列转换得到的模型输入的token序列；
24、前向传播，计算模型生成的词概率分布；
25、计算语言模型损失函数，损失函数为：
26、，
27、其中，t是回复文本的长度，wt是第t个词，θ是模型参数，w＜t表示在第t个词之前生成的所有词；
28、反向传播，更新模型参数，并反复训练，直到损失函数收敛或达到预设训练轮数。
29、作为优选，模型强化学习的具体步骤如下：
30、初始化，利用模型初步学习中训本文档来自技高网...
【技术保护点】
1.一种多风格润色的智能客服回复方法，其特征在于：包括基于历史客服数据搭建丰富用户的意图分类与配置对应意图回答模版的知识库配置模块，所述回答模版中包含有固定信息与占位符标记的动态信息，通过动态信息填充模块对占位符进行分析，并获取多数据源对占位符位置进行精准信息填充，根据用户输入文本内容自动输出初步回复文本，初步回复文本输入至引入有结合风格标签的成交倾向指标作为奖励的风格话术生成模型中，润色生成提高成交率且符合特定风格的客服回复。
2.根据权利要求1所述的一种多风格润色的智能客服回复方法，其特征在于：搭建所述知识库配置模块的具体方法包括以下步骤：
3.根据权利要求2所述的一种多风格润色的智能客服回复方法，其特征在于：所述动态信息填充模块对占位符进行分析，并获取多数据源对占位符位置进行精准信息填充的方法具体包括：
4.根据权利要求1所述的一种多风格润色的智能客服回复方法，其特征在于：所述风格话术生成模型包括基于历史对话记录数据建立客服回复风格与成交结果之间的关联，具体方法为：
5.根据权利要求4所述的一种多风格润色的智能客服回复方法，其
6.根据权利要求5所述的一种多风格润色的智能客服回复方法，其特征在于：模型初步学习的具体步骤如下：
7.根据权利要求6所述的一种多风格润色的智能客服回复方法，其特征在于：模型强化学习的具体步骤如下：
8.根据权利要求2所述的一种多风格润色的智能客服回复方法，其特征在于：所述动态信息填充模块中设置有用于占位符替换出现异常时进行用户维护的异常处理机制，在替换数据缺失但不影响回复整体意义时，使用预设的默认值替换占位符，在关键数据缺失，无法生成有效回复时，使用通用的兜底回复模板。
9.一种多风格润色的智能客服回复系统，其特征在于：包括
10.一种可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1—8中任意一项所述一种多风格润色的智能客服回复方法的步骤。
...【技术特征摘要】
1.一种多风格润色的智能客服回复方法，其特征在于：包括基于历史客服数据搭建丰富用户的意图分类与配置对应意图回答模版的知识库配置模块，所述回答模版中包含有固定信息与占位符标记的动态信息，通过动态信息填充模块对占位符进行分析，并获取多数据源对占位符位置进行精准信息填充，根据用户输入文本内容自动输出初步回复文本，初步回复文本输入至引入有结合风格标签的成交倾向指标作为奖励的风格话术生成模型中，润色生成提高成交率且符合特定风格的客服回复。
2.根据权利要求1所述的一种多风格润色的智能客服回复方法，其特征在于：搭建所述知识库配置模块的具体方法包括以下步骤：
3.根据权利要求2所述的一种多风格润色的智能客服回复方法，其特征在于：所述动态信息填充模块对占位符进行分析，并获取多数据源对占位符位置进行精准信息填充的方法具体包括：
4.根据权利要求1所述的一种多风格润色的智能客服回复方法，其特征在于：所述风格话术生成模型包括基于历史对话记录数据建立客服回复风格与成交结果之间的关联，具体方法为：
【专利技术属性】
技术研发人员：王祎，陈禹，
申请(专利权)人：杭州光云科技股份有限公司，
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。