[发明专利]客服机器人会话文本分类方法及装置、设备、存储介质

说明书

本申请揭示了一种客服机器人会话文本分类方法及装置。所述方法包括：获取客服机器人在所进行会话中的输入语句，转换所述输入语句为标准会话文本，所述输入语句是等待所述客服机器人处理响应的会话消息；通过对所述标准会话文本进行语义特征提取获得所述标准会话文本对应的语义向量；对所述标准会话文本的语义向量进行类别标签预测，获得所述标准会话文本对应的类别标签概率向量；从所述类别标签概率向量中选取最大概率标签所对应的类别作为所述标准会话文本的类别，所述类别用于辅助执行所述客服机器人对所述输入文本的响应。本申请所提供的方法能够对客服机器人获取的输入语句进行准确分类。

技术领域

本申请涉及数据处理技术领域，特别涉及一种客服机器人会话文本分类方法及装置、电子设备、计算机可读存储介质。

背景技术

在客服机器人的FAQ(常见问题解答)场景中，每个知识点对应一个标准问题，标准问题有多种问法，这些不同的问法称为扩展问题。客服机器人获取扩展问题后，需要使用文本分类模型对扩展问题进行分类，得到扩展问题所对应标准问题的类别，然后根据所得标准问题的类别从自身知识库中提取与标准问题类别相匹配的回答。因此，是否对扩展问题进行了准确分类是客服机器人是否能够准确回答客户提问的关键。

现有的文本分类模型对扩展问题进行分类的过程中，将扩展问题映射至向量空间，通过对向量空间的切分判断获得扩展问题所对应向量属于向量空间中的哪一标准问题类别控制区域，此控制区域所对应的类别即为扩展问题所对应的标准问题类别。有些知识点对应的扩展问题数量比较少，这些扩展问题对应的标准问题类别在向量空间中的控制区域也比较少，导致对这些扩展问题进行文本分类时容易被错分，从而不能准确获得这些扩展问题对应的标准问题类别。

因此，如何对客服机器人获取的扩展问题进行准确分类是现有技术中有待解决的问题。

发明内容

基于上述技术问题，本申请提供了一种客服机器人会话文本分类方法及装置、电子设备、计算机可读存储介质。

本申请所揭示的技术方案包括：

一种客服机器人会话文本分类方法，包括：获取客服机器人在所进行会话中的输入语句，转换所述输入语句为标准会话文本，所述输入语句是等待所述客服机器人处理响应的会话消息；通过对所述标准会话文本进行语义特征提取获得所述标准会话文本对应的语义向量；对所述标准会话文本的语义向量进行类别标签预测，获得所述标准会话文本对应的类别标签概率向量；从所述类别标签概率向量中选取最大概率标签所对应的类别作为所述标准会话文本的类别，所述类别用于辅助执行所述客服机器人对所述输入文本的响应。

进一步地，所述获取客服机器人在所进行会话中的输入语句，转换所述输入语句为标准会话文本，包括：通过对所述输入语句进行编码，提取得到所述输入语句的关键语义特征；对所述关键语义特征进行解码，获得所述输入语句对应的标准会话文本。

进一步地，所述通过对所述输入语句进行编码提取所述输入语句的关键语义特征，包括：通过进行所述输入语句中词语的向量化获得所述输入语句中词语对应的词向量；按照时间先后顺序对所述输入语句中词语对应的词向量进行遍历，提取遍历所得的第一隐状态向量为所述输入语句的语义向量。

进一步地，所述通过对所述标准会话文本进行语义特征提取获得所述标准会话文本对应的语义向量，包括：获取所述关键语义特征解码所得的第二隐状态向量，由所述第二隐状态向量构成隐状态向量矩阵；根据所述隐状态向量矩阵对所述标准会话文本进行语义特征提取；通过对所提取语义特征的池化获得所述标准会话文本对应的语义向量。

进一步地，所述对所述标准会话文本的语义向量进行类别标签预测，获得所述标准会话文本对应的类别标签概率向量，包括：通过目标参数矩阵对所述标准会话文本的语义向量进行非线性映射，获得所述标准会话文本在文本类别标记空间中的状态向量；对所述标准会话文本在文本类别标记空间的状态向量进行概率归一化，得到所述标准会话文本对应的类别标签概率向量。