[发明专利]基于深度学习的智能客服问答方法、系统、终端及介质

权利要求书

1.基于深度学习的智能客服问答方法，其特征是，包括以下步骤：

获取问题样本数据和对应的答案样本数据，并采用深度学习技术对问题样本数据和答案样本数据进行训练，得到深度学习问答模型；

提取用户提问数据中的第一特征信息，并依据第一特征信息生成词向量信息；

将词向量信息输入到深度学习问答模型，输出得到答案文本信息；

以重构用户提问数据的语义为目标，得到与第一特征信息衔接的增量特征；

依据增量特征对答案文本信息进行属性分类，并基于属性分类后的答案文本信息完成对用户提问数据的应答；

所述增量特征的获得过程具体为：

在第一特征信息中按序排列的关键词特征之间嵌入一个词特征，得到第二特征信息；

若第二特征信息与第一特征信息所表征的语义不同，则嵌入的词特征为增量特征。

2.根据权利要求1所述的基于深度学习的智能客服问答方法，其特征是，若所述增量特征存在多个，则依据增量特征的优先级对用户提问数据进行分段应答。

3.根据权利要求2所述的基于深度学习的智能客服问答方法，其特征是，所述增量特征的优先级依据在第一特征信息中的嵌入位置进行划分；

增量特征的嵌入位置越靠近第一特征信息中的头部侧，对应的优先级越高；

反之，增量特征的嵌入位置越靠近第一特征信息中的尾部侧，对应的优先级越低。

4.根据权利要求3所述的基于深度学习的智能客服问答方法，其特征是，若两个不同的所述增量特征在第一特征信息中的嵌入位置相同，则依据增量特征的热度划分优先级；

所述增量特征的热度越高，则对应的优先级越高；

其中，所述增量特征在问答过程中的应用频次越多，热度越高。

5.根据权利要求4所述的基于深度学习的智能客服问答方法，其特征是，所述增量特征的热度由应用频次决定；

其中，所述增量特征在问答过程中的应用频次越多，热度越高。

6.根据权利要求2所述的基于深度学习的智能客服问答方法，其特征是，若在当前应答周期中接收到用户反馈的应答确认信号或下一个提问信号时，终止当前应答周期中的分段应答。

7.基于深度学习的智能客服问答系统，其特征是，包括：

模型训练模块，用于获取问题样本数据和对应的答案样本数据，并采用深度学习技术对问题样本数据和答案样本数据进行训练，得到深度学习问答模型；

特征提取模块，用于提取用户提问数据中的第一特征信息，并依据第一特征信息生成词向量信息；

答案匹配模块，用于将词向量信息输入到深度学习问答模型，输出得到答案文本信息；

语义重构模块，用于以重构用户提问数据的语义为目标，得到与第一特征信息衔接的增量特征；

分段应答模块，用于依据增量特征对答案文本信息进行属性分类，并基于属性分类后的答案文本信息完成对用户提问数据的应答；

所述增量特征的获得过程具体为：

在第一特征信息中按序排列的关键词特征之间嵌入一个词特征，得到第二特征信息；

若第二特征信息与第一特征信息所表征的语义不同，则嵌入的词特征为增量特征。

8.一种计算机终端，包含存储器、处理器及存储在存储器并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现如权利要求1-6中任意一项所述的基于深度学习的智能客服问答方法。

9.一种计算机可读介质，其上存储有计算机程序，其特征是，所述计算机程序被处理器执行可实现如权利要求1-6中任意一项所述的基于深度学习的智能客服问答方法。