[发明专利]智能客服处理方法和系统及设备

说明书

本发明公开了一种智能客服处理方法和系统及设备。方法包括：获取智能客服系统中的多轮对话内容，根据多轮对话内容进行模型训练，构建上文语境的多类别标签分类模型，其中每一标签类对应到一个回复项；将用户输入的请求内容送入多类别标签分类模型进行分类，按照分类的标签输出对应的回复项。本发明方案，灵活度更高，能处理更多形式的用户请求；相较于基于检索方式的客服系统，利用分类模型取代检索式有助于提升整体系统鲁棒性；可以解决原检索式系统所会面临的语义鸿沟问题；能减少噪声对于系统选择回复项的影响；精确度更高。

技术领域

本发明涉及计算机技术领域，具体涉及一种智能客服处理方法和系统及设备。

背景技术

对话系统(Spoken Dialogue System)可看作是模仿人-人之间透过自然语言的方式进行沟通的交互系统，随自动语音识别(Automatic Speech Recognition，ASR)与自然语言处理(Natural Language Processing，NLP)技术逐渐成熟，已被广泛应用于客服系统。2006年开始深度学习方法被广泛的研究与应用，多个机器学习任务得到突破性的发展，再加上2013年word2vec、语言模型以及序列到序列模型相继出现，海量的数据被搜集并运用于系统的训练与设计。

在交通卡客服场景中，最主要的服务面向卡片办理与激活等业务咨询，属于垂直领域的智能客服系统。根据用户的输入请求检索出回复项，传统做法是使用一系列人工预先定义好的规则进行语义解析，匹配出回复项。目前常规做法是基于检索式的模型，检索式对话系统主要思想是针对用户的输入请求在多个回复候选项中匹配出一个最合适的回复项作为输出，匹配方式有两种。第一种是基于表征的匹配方式，初始阶段分别对输入与回复候选项各自进行文本特征提取，然后再透过相似度函数对得到的文本表征进行相似度计算，匹配层度最高者作为输出。第二种方式则是基于交互的匹配方式，有别于方式一在最后阶段才对文本表征计算相似度，基于交互的匹配方式在模型前段便对文本表征进行交互，透过相似度矩阵计算，使模型能获取不同层级、不同粒度的匹配关系，最终返回匹配层度最高的回复项。

现有技术存在的问题是，基于人工定义规则的做法不够灵活，无法很好的解决多样与多变的用户请求；而基于检索方式的客服系统，从回复候选集中选出一个最合适的回复项作为输出，该方法的核心是对用户的输入请求信息与回复项之间进行相关性匹配(Relevance Matching)，然而信息-回复之间有时在字面上并无直接的关系，存在语义鸿沟的问题要克服，另外由于是对信息-回复进行匹配，两文本信息的质量非常重要，文本中若出现不相干的内容，此类噪声容易对基于检索的对话系统在匹配回复项时造成影响，鲁棒性较低。

发明内容

本发明的目的在于提供一种智能客服处理方法和系统及设备，用于改善现有技术存在上述缺陷。

为实现上述目的，本发明采用如下技术方案。

第一方面，提供一种智能客服处理方法，包括：获取智能客服系统中的多轮对话内容，根据多轮对话内容进行模型训练，构建上文语境的多类别标签分类模型，其中每一标签类对应到一个回复项；将用户输入的请求内容送入多类别标签分类模型进行分类，按照分类的标签输出对应的回复项。

在一些可能的实现方式中，所述根据多轮对话内容进行模型训练，构建上文语境的多类别标签分类模型，包括：从智能客服系统中获取多轮对话内容；将获取的多轮对话内容与上文内容进行关联，对关联后的文本数据进行标注，标注的类别包括闲聊、业务和投诉，其中业务类别进一步进行类别标注，业务的每个类别对应到一个回复项；对已经标注的文本数据进行预处理，所述预处理包括数据清洗和分词处理，将预处理后的文本数据分为训练集和测试集；对训练集的文本数据进行文本特征提取；采用提取的文本特征对分类模型进行训练，得到上文语境的多类别标签分类模型。