[发明专利]一种基于客服机器模型的客服引导方法

说明书

本发明提供了一种基于客服机器模型的客服引导方法，将一个领域的相关句子输入训练模型，得到相应的机器人回复；分析该领域聊天语料，根据分析得到的规则进行数据清洗，过滤无效数据，删除冗余项；以该领域的产品分类名称为标签，对每一对问答对做标注；对语料中所有问句和对应的答案做分别分词，学习每个词的语义特征；根据客户端所需求的产品分类及产品分类的各项需求引导客户端填充所关联的槽位，根据客户端需求与产品分类进行映射，制定客户端问题回复规则，得到客户端所需求的产品分类及产品分类的各项需求，引导客户端填充所关联的槽位。由于加入了产品名称分类以及个人信息状态记录，使得整个对话不至于跑偏，提高服务质量。

技术领域

本发明涉及一种基于客服机器模型的客服引导方法，涉及智能客服领域。

背景技术

目前常见的智能机器人包括聊天机器人和FAQ问答系统。聊天机器人是一个用来模拟人类对话或聊天的程序，由于聊天机器人涵盖的语料领域太大，在与人进行互动问答的时候，经常无法做出较为精确的回答或者出现答非所问的现象；而FAQ问答系统则只是从问答语料库中找到最相近的问答对给客户返回答案，并不能获取整个会话的主题，造成人机对话内容偏移主题，即原有的数据覆盖不够完整的时候，很难实现对用户进行常规引导和规则引导。

发明内容

本发明提供了一种基于客服机器模型的客服引导方法，以提高机器人答复的精准度，并能够在数据量足够大的时候可以得出很好的效果，减少整个人机对话内容偏移主题的概率，提高用户体验度。

一种基于客服机器模型的客服引导方法，具体方法包括，

将一个领域的相关句子输入训练模型，得到相应的机器人回复；

分析该领域聊天语料，根据分析得到的规则进行数据清洗，过滤无效数据，删除冗余项；

以该领域的产品分类名称为标签，对每一对问答对做标注；

对语料中所有问句和对应的答案做分别分词，用skip-gram学习每个词的语义特征；

将问句和/或答案中每个分词的tf-idf加权词向量之和的平均值拼接相关的产品分类名称的词向量作为每个句子的句子语义特征；

结合规则及语义相似度算法引导客户端填充槽位，具体方法包括，

根据客户端所需求的产品分类及产品分类的各项需求引导客户端填充所关联的槽位，根据客户端需求与产品分类进行映射，制定客户端问题回答规则及反问规则，从而得到客户端所需求的产品分类及产品分类的各项需求，引导客户端填充所关联的槽位；

所述所关联的槽位包括用户基本联系信息；

所述各项需求包括产品需求、技术方案需求、时间需求、服务需求、价格需求、安全需求和风险需求中的任意一种或几种。

所述方法还包括，采用每段对话的平均准确率来作为训练模型的评价指标。

所述领域为医疗美容领域，所述产品分类名称为部位和项目分类名称。

所述各项需求包括项目详情/科普、项目技术、疗程/治疗方案、价格、副作用/复发、饮食、护理、预约/问地址/时间、手术失败、材料/设备/产品和安全性中的任意一种或几种。

所述所关联的槽位包括姓名、性别、年龄、症状、部位、项目、诊史、技术选择和获取用户电话号码中的任意一种或几种。

所述映射的映射规则为部位-项目-意图-结果。