[发明专利]电商客服匹配方法及其相应的装置、设备、介质

说明书

本申请公开一种电商客服匹配方法及其相应的装置、设备、介质，该方法包括：调用文本特征提取器提取电商平台用户的提问文本的文本特征作为句向量，以该句向量构造提问特征矩阵；从客服系统的订阅列表及自定义意图列表中筛选出该商户实例预关联于特定领域的多个意图，根据意图查询相似问列表筛选出与意图预关联的相似问的句向量构造为知识特征矩阵；基于提问特征矩阵与知识特征矩阵计算相似度，根据相似度定位至与该提问文本最相似的相似问；根据该相似问查询相似问列表确定其对应的意图，根据该意图获取与其相映射的回复文本以之应答用户提问。本申请的客服系统运算效率高，响应迅速，开销较小，特别适合服务于基于独立站的跨境电商平台。

技术领域

本申请实施例涉及电商信息技术领域，尤其涉及一种电商客服匹配方法及其相应的装置、设备、介质。

背景技术

随着自然语言处理技术的进步和工程落地经验的积累，智能客服系统近年来在各行业中，已经逐渐应用于实际业务场景、服务于实际客户，降低了人工客服的压力和成本。在电商领域，衍生出了这样一种场景：作为平台提供方，希望为商家赋能，提供智能客服完整的技术解决方案，商家无需技术背景，经过少量配置便可启用智能客服，极大减轻了售后压力。然而在实际的业务场景中，商家会遇到一个问题——其所配置的智能客服知识库的完整性和质量，会直接影响智能客服解决客户问题的能力范围和客户满意度。技术上，我们称之为知识库的冷启动问题。

一种可行的思路是，平台方提供预先配置好的官方意图，供商家订阅，进而可决定是否启用，以解决商家初始知识库为空的问题。然而在技术上，会面临一些挑战。

首先，构造商家知识库的过程繁琐低效。并非所有的官方意图都是商家所需要的，商家理应能灵活选择所需要的意图。例如，假设官方意图有1000个，而对商家有用的可能只有其中的十分之一，即100个。那么，如何让商家尽可能完整地筛选那些对其有用的官方意图，同时又不至于操作太过繁琐(比如刚才的例子中，不应该让商家去勾选100个)，对业务逻辑实现和知识库结构设计都是一个挑战；

其次，应尽量避免冗余，包括操作的冗余和存储的冗余。设想这样一种很可能发生的场景：官方意图有1000个，每个意图有10个相似问。现有1万个商家启用了智能客服，并平均订阅了500个官方意图。倘若我们对每个商家，平均都复制一份500个官方意图及其对应的相似问(5000个)，意味着我们将达到5000万个相似问，而且每个相似问都可能还有一个高维(如768维)的句向量。无论对于知识库管理操作，还是对于存储系统，抑或是检索操作，都是不小的压力。

另外，数据组织不应依赖强耦合关系。商家知识库内部的数据表之间的强耦合关系，也对知识库结构、操作逻辑、相似问匹配逻辑的设计带来诸多挑战。例如，当对官方意图进行增、删、改操作时，关联于该官方意图的商家，应确保其知识库得到同步，同理，当进行相似问匹配时，需要同步考虑官方意图和自定义意图之间的整合，等等。

此外，当前的提问与回复之间的匹配技术仍有待提升。如果按照传统的思路来尝试为电商平台提供一个标准接口，基于关键词提取和规则匹配的方式来实现针对提问文本进行回复，这种方式本身具有弊端，往往忽略语义层面的信息，交互性较差；如果用深度模型，按照多数专利思路，需要根据不同知识库训练不同模型，这样会带来较大的服务器费用以及维护成本也会较高。

由此可见，对于基电商平台而言，如何优化其客服系统提供技术方案，仍是有待挖掘的空间。

发明内容

本申请的目的针对现有技术中存在的至少部分不足而提供一种电商客服匹配方法及其相应的装置、计算机设备及存储介质。

为解决上述技术问题，本申请采用的一个技术方案是：

本申请提供一种电商客服匹配方法，包括如下步骤：

调用文本特征提取器提取电商平台用户在商家实例调起客服系统而提交的提问文本的文本特征作为句向量，以该句向量构造提问特征矩阵；