[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

说明书

本发明公开了基于深度学习的智能客服问答方法、系统、终端及介质，涉及人工智能技术领域，其技术方案要点是：建立深度学习问答模型；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。本发明可以在初始的答案文本信息与用户提问数据不匹配时，在初始的答案文本信息基础上进行深入应答，可以有效提高在一次问答过程中满足用户需求的成功率，减少反复进行问答的情况发生，提高了智能客服问答的效率。

技术领域

本发明涉及人工智能技术领域，更具体地说，它涉及基于深度学习的智能客服问答方法、系统、终端及介质。

背景技术

传统的园区智能客服系统采用的是固定的规则和模板，无法随着用户语义的变化而灵活地回答问题，这导致了园区智能客服系统的应用场景受限，无法满足用户日益增长的需求。

为此，现有技术中记载有应用深度学习技术的自动问答方法，其主要是依据每对问题和答案的样本数据来训练构建深度学习模型，然后从提问数据中提取特征后生成词向量，最后将生成的词向量输入到深度学习模型后输出得到针对提问数据的答案文本。然而，答案文本与提问数据的匹配程度不仅仅受样本数据的丰富程度影响，在一定程度上也会受到用户对提问数据所表征语义进行表达的准确性影响，尤其是在通过语音形式进行提问时，语音数据中缺少一个词特征时，所表达的语义可能存在明显差异，这就容易导致答案文本与提问数据的匹配程度不高，从而需要用户再次提供准确语义的提问数据，导致整个智能客服问答过程交互复杂，问答效率较低。

因此，如何研究设计一种能够克服上述缺陷的基于深度学习的智能客服问答方法、系统、终端及介质是我们目前急需解决的问题。

发明内容

为解决现有技术中的不足，本发明的目的是提供基于深度学习的智能客服问答方法、系统、终端及介质，可以在初始的答案文本信息与用户提问数据不匹配时，在初始的答案文本信息基础上进行深入应答，可以有效提高在一次问答过程中满足用户需求的成功率，减少反复进行问答的情况发生，提高了智能客服问答的效率。

本发明的上述技术目的是通过以下技术方案得以实现的：

第一方面，提供了基于深度学习的智能客服问答方法，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。

进一步的，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。

进一步的，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。

进一步的，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。