[发明专利]客服信息提供方法、装置、电子设备、存储介质

说明书

本发明提供一种客服信息提供方法、装置、电子设备、存储介质，所述方法包括：接收用户输入的中文文本；将所输入的中文文本输入基于Bi‑LSTM模型和CNN模型的中文客服问答模型，获取应答语句；将所输入的中文文本输入基于Bi‑LSTM‑CRF模型和LSTM分类器的内容提取与意图分类模型，获取客户意图的分类及关键信息；根据所述客户意图的分类及关键信息确定向用户推荐的服务；将所输入的中文文本输入基于CNN模型的中文文本情感分析模型，获取用户情感分类；根据所述用户情感分类调整所述应答语句；结合经调整的应答语句及所确定的服务，向用户提供客服信息。本发明提供的方法及装置优化模型实现自动化客服应答。

技术领域

本发明涉及计算机应用技术领域，尤其涉及一种客服信息提供方法、装置、电子设备、存储介质。

背景技术

目前主流的客服平台还是以人工服务为主，人力成本较高，对客服人员的技能和知识储备要求也较高。有些平台虽然也提供智能聊天机器人服务，但是仅仅停留在使用传统的自然语言处理方法提取特征词进行相似问题匹配的初级阶段，维护成本高，准确率和召回率比较低，无法满足客户需要。

同时，由于大部分的客服平台仅提供单一的聊天功能，对于日益积累的问答语料并未提供很好的数据挖掘服务，数据所内含的客户价值和商业利益并未得到充分的体现，整个客户服务的闭环流程没有形成。

另外，还需要挖掘客户语句的特征和意图，目前的基于Bi-LSTM-CRF(反向长短时记忆网络及条件随机场)的命名实体识别方法只识别了文本中的命名实体，并没有识别文本中的其他内容信息，也没有识别文本的总体意图。此外，传统的客户情感分析采用关键词或统计的方法分析用户的情感，存在识别不准确的问题。

发明内容

本发明为了克服上述现有技术存在的缺陷，提供一种客服信息提供方法、装置、电子设备、存储介质，以优化模型实现自动化客服应答。

根据本发明的一个方面，提供一种客服信息提供方法，包括：接收用户输入的中文文本；将所输入的中文文本输入基于Bi-LSTM模型和CNN模型的中文客服问答模型，获取应答语句；将所输入的中文文本输入基于Bi-LSTM-CRF模型和LSTM分类器的内容提取与意图分类模型，获取客户意图的分类及关键信息；根据所述客户意图的分类及关键信息确定向用户推荐的服务；将所输入的中文文本输入基于CNN模型的中文文本情感分析模型，获取用户情感分类；根据所述用户情感分类调整所述应答语句；结合经调整的应答语句及所确定的服务，向用户提供客服信息。

可选地，基于Bi-LSTM模型和CNN模型的中文客服问答模型关联第一知识库，所述第一知识库包括关联的问题语句及应答语句，所述将所输入的中文文本输入基于Bi-LSTM模型和CNN模型的中文客服问答模型，获取应答语句包括：基于Bi-LSTM模型和CNN模型的中文客服问答模型计算所输入的中文文本与第一知识库的各个问题语句的相似距离；获取相似距离最近的问题语句对应的应答语句。

可选地，基于Bi-LSTM模型和CNN模型的中文客服问答模型根据如下步骤构建：

S111：对输入模型的语句按字符切分；

S112：将所述输入模型的语句的每个字符转为长度n的字符向量，n为大于0的整数；

S113：所述输入模型的语句长度为m，根据输入模型的语句中每个字符的字符向量x将每个输入模型的语句转化为m×n的矩阵[x₁,x₂,…,x_t,…,x_m]作为模型输入矩阵，其中，x为1×n的矩阵；