一种智能客服方法及系统与流程

本发明涉及智能人机交互技术领域，尤其涉及一种智能客服方法及系统。

背景技术：

随着互联网的飞速发展，人们服务意识的提高，网络客服已经普及到各行各业，深入到日常商业服务的各个环节。

目前的客服系统，通常由机器客服和人工客服组成，其中机器客服一般是基于网页的即时通讯工具，具体可基于智能聊天机器人或faq系统来实现，在智能客服场景中，待客户提出问题后，往往需要先计算客户所提出的问题与知识库(fqa)中所保存的问题的相似度，进而定位最相似问题，提取出对应的答案反馈给客户，以完成对客户问题的回复。

然而，由于互联网所面向的用户群基数大，智能客户在面对不同的客户所提出的各种问题时，都需要遍历知识库，并逐条计算客户问题与知识库中问题的相似度，再根据所有的计算结构，定位到相似度最高的问题，以获取对应的答案，如此一来，数据处理量大所引起的回复速度慢，将会带来不好的用户体验，导致客户流失。

技术实现要素：

为了解决上述问题，本发明提供了一种智能客服方法，所述方法包含：接收客户输入文本；对所述输入文本进行类型识别；若所述输入文本为疑问句，则基于预设短文本分类模型对所述输入文本进行主题识别；基于识别结果分配客服，针对所述输入文本进行回复。

在一实施中，所述基于识别结果分配客服，针对所述输入文本进行回复具体包含：

当所述识别结果中包含主题分类时，查找与所述主题分类对应的所述客服，针对所述输入文本进行回复。

在一实施中，所述预设短文本分类模型的训练方法包含步骤：

收集训练样本；

分别计算每个所述训练样本的文本特征，其中所述文本特征包含所述训练样本的文本向量及主题概率；

基于所述文本特征，生成输入数据；

基于所述输入数据对所述预设短文本分类模型进行训练，其中所述预设短文本分类模型基于半监督分类算法实现。

在一实施中，所述计算每个所述训练样本的文本特征具体包含：

计算每个所述训练样本的文本向量；

计算每个所述训练样本的主题概率；

拼接所述文本向量及所述主题概率，得到每个所述训练样本的文本特征。

在一实施中，所述计算每个所述训练样本的文本向量包含：

对所述训练样本进行分词；

计算所述分词的词向量；

基于所述词向量及所述分词的权重，计算获得所述文本向量。

在一实施中，所述分词的权重基于tf/idf算法获得。

在一实施中，所述计算每个训练样本的主题概率包含：基于文档主题生成模型获得所述主题概率。

在一实施中，所述基于所述文本特征，生成输入数据具体包含：基于所述文本特征及所述文本特征权重生成所述输入数据。

本发明实施例所提供的智能客服方法先通过对客户输入文本的类型进行识别，当输入文本为疑问句时，表明客户正在进行某些信息的咨询，从另一角度来看，也在一定程度表明，客户有具体的需求，那么在这种场景下，积极作出准确的响应，可在很大程度上提升客户体验，本实施例先通过对输入文本所包含的主题信息进行识别，并根据识别结果，分配对应的客服，客服基于对应的主题知识库，获取答案，并回复给客户，如此一来，由于预先对客户咨询主题进行了识别，从一定程度上对客户的需求进行了初步了解，再由专业型客服从主题知识库中匹配相似度最高的问题，并获取对应的答案，不仅大幅度减少了数据处理量，提升了效率，而且由于文本相似度的算法各有千秋，获得的结果可能也会因算法的缘故有所差异，通过直接从相关主题知识库中匹配到相似度最高的问题，并获取对应的答案，可在很大程度上避免了基于文本相似度计算结果，将客户问题匹配到其他主题知识库中的问题，而无法给出准确的回复的情况，也就是说，可在一定程度上提高客服回复的准确性。

基于同样的发明构思，本发明还提供了一种智能客服系统，所述系统包含：

交互模块、识别模块及调度模块，其中所述交互模块接收客户输入的文本，并发送给所述识别模块，所述识别模块对所述文本进行主题识别，并发送识别结果及所述文本至所述调度模块；所述调度模块接收所述识别结果及所述文本，并基于所述识别结果分配对应客服，以针对所述文本进行回复，并将回复信息通过所述交互模块发送给所述客户。

在一实施中，所述识别模块对所述文本进行主题识别的方法具体包含，基于预设短文本分类模型对所述输入文本进行主题识别。

附图说明

一个或多个实施方式通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施方式的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1绘示本发明第一实施例所提供的智能客服方法流程图；

图2绘示图1所示实施例中预设短文本分类模型的训练方法流程图；

图3绘示本发明二实施例所提供的智能客服系统结构示意图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

本发明第一实施例提供了一种智能客服方法，可基于智能客服系统实现，请参照图1，图1绘示本发明第一实施例所提供的智能客服方法流程图。

如图1所示，文本处理方法具体包含以下步骤：

步骤101，接收客户输入文本。

在智能客服服务场景中，客户可通过信息输入接口主动发起聊天对话，其中，客户可通过做种方式进行信息输入，例如文字、语音等，而为了后续的识别处理，该些输入信息将会被转换为输入文本，以供后续识别处理。

较佳的，为了提升后续文本识别的准确性，可在获得输入文本后，对其进行清洗处理，例如去除无效字符、重复信息等。

步骤102，对所述输入文本进行类型识别。

在获得客户的输入文本后，可对该输入文本进行类型识别，其中，在本实施例中的类型主要包含疑问句和非疑问句，在一具体实施例中，通过基于正则表达式对特定字符的识别来判断输入文本的类型，其中，特定字符可包含“？”、“吗”、“呢”、“么”，那么正则表达式可为“.+[？吗呢么].*”。

当识别到输入文本的类型为疑问句时，则进入步骤103；若输入文本的类型为非疑问句，则本流程结束，等待客户的下次输入。

在本发明实施例中，当输入文本被识别为非疑问句时，可进一步对输入文本的内容进行识别，并分配客服进行回复，以避免客户流失。

步骤103，若所述输入文本为疑问句，则基于预设短文本分类模型对所述输入文本进行主题识别。

当输入文本被识别为疑问句时，可进一步对输入文本的主题进行识别，具体可基于预设短文本分类模型对输入文本进行识别，其中本发明实施例中所提及的短文本分类模型，是基于图2所示的训练方法得到的，具体内容可参见下文对图2的详细说明。

在本发明的实施例中，可预先基于实际应用场景的需求，设定主题类型，规划对应的专业型客服来专门对接相应主题类型的业务，从而实现不同的主题类型，对接不同专业型客服，如此一来，客服只需在对应的主题知识库中，查找获取答案，并回复给客户，相较于现有技术而言，客服无需遍历全部知识库，及计算客户问题与知识库中每个问题的相似度，来最终确定回复答案，而只需在其对接的主题类型所涉及的知识库中，获取回复答案，大幅度减少了数据处理量，使得客服在各自主题领域为客户提供更快速、更精准的回复。

在本步骤中，通过确定客户输入文本的主题，可为后续客服的分配提供基础。在基于预设短文本分类模型对输入文本进行主题识别后，具体可能出现的识别结果包含，第一，识别出输入文本的主题，即输入文本中所包含的主题信息与预设主题类型中的某一种相匹配；第二，无法识别出输入文本的主题，即输入文本中未包含预设主题类型中的任何一种。

步骤104，基于识别结果分配客服，针对所述输入文本进行回复。

如上文所述，经过步骤103对输入文本进行识别后，结果可包含两种，那么在本步骤中，将分别针对两种识别结果进行处理。

当识别结果为识别出输入文本的主题时，那么可基于该主题来选取专门处理该主题业务的专业型客服来对客户提出的问题进行回复，即针对输入文本进行回复。具体的回复方式可包含，遍历该主题知识库中的各个问题记录，计算输入文本与问题记录的相似度，并选取相似度最高的问题所对应的答案，作为回复内容输出给客户。

当识别结果为无法识别出输入文本的主题时，可分配默认的通用型客服来针对该输入文本进行回复，通用型客服可针对客户进行提示引导，以获取更准确的客户需求主题，以便后续能分配专用型客服进行对接，避免因当前无法准确匹配到专业型客服，而影响客户体验。

在本发明的实施例中，知识库中存储了问题及对应的答案，它可以是基于实际应用场景的需求预先构建生成的，也可以是通用型的知识库，其中，为了更贴合实际应用的需求，对知识库的主题分类，可以是基于实际的业务场景而规划出来的。举例而言，在售前客服的应用场景中，知识库的主题分类可基于不同的产品类型来进行规划；而在售后客服的应用场景中，可基于具体的售后需求来进行主题的规划。具体的规划方式，本发明并不作限制。

在确定了知识库的主题分类之后，可预先为各个主题设置对应的客服，该些客服即为上述专业型客服，专业型客服在针对客户问题进行回复时，只需遍历其所对应主题的知识库来获取答案。

由此可见，本实施例所提供的智能客服方法先通过对客户输入文本的类型进行识别，当输入文本为疑问句时，表明客户正在进行某些信息的咨询，从另一角度来看，也在一定程度表明，客户有具体的需求，那么在这种场景下，积极作出准确的响应，可在很大程度上提升客户体验，本实施例先通过对输入文本所包含的主题信息进行识别，并根据识别结果，分配对应的客服，客服基于对应的主题知识库，获取答案，并回复给客户，如此一来，由于预先对客户咨询主题进行了识别，从一定程度上对客户的需求进行了初步了解，再由专业型客服从主题知识库中匹配相似度最高的问题，并获取对应的答案，不仅大幅度减少了数据处理量，提升了效率，而且由于文本相似度的算法各有千秋，获得的结果可能也会因算法的缘故有所差异，通过直接从相关主题知识库中匹配到相似度最高的问题，并获取对应的答案，可在很大程度上避免了基于文本相似度计算结果，将客户问题匹配到其他主题知识库中的问题，而无法给出准确的回复的情况，也就是说，可在一定程度上提高客服回复的准确性。

如上文所述，本实施例中，预设短文本分类模型是基于图2所示的训练方法得到的。下面将结合图2对所述训练方法进行详细说明。

请参照图2，图2绘示图1所示实施例中预设短文本分类模型的训练方法流程图。

如图2所示，预设短文本分类模型的训练方法包含步骤：

步骤201，收集训练样本。

训练样本可根据实际的应用需求进行收集，例如，当文本处理方法最终需应用在医疗美容咨询客服系统时，可基于医疗美容行业人工客服与客户的历史对话记录、行业资讯及专业词典等方式进行获取，具体的收集方式本发明并不作限制。

由于收集到的原始数据中可能包含有无效字符等噪声数据，故需对该些原始数据进行清洗和预处理，包含剔除无效字符等。

本发明的实施例中，训练样本可为从原始数据中获取到的疑问句。

步骤202，分别计算每个所述训练样本的文本特征。

具体而言，在基于步骤201获取到一定数量的训练样本后，需分别对每个训练样本进行特征化处理，及获取每天训练样本的文本特征。

在本发明的实施例中，文本特征d可包含所述训练样本的文本向量d'及主题概率d”。

在一实施中，计算每个训练样本的文本向量d'具体可包含以下步骤：

步骤a，对所述训练样本进行分词。

具体的，可基于jieba分词技术对训练样本进行分词。

步骤b，计算所述分词的词向量。

具体的，可基于word2ver模型来计算各分词的词向量。

步骤c，基于所述词向量及所述分词的权重，计算获得所述文本向量。

具体的，分词的权重可基于tf/idf(termfrequency–inversedocumentfrequency)算法获得。可通过词向量与权重进行加权就和再除以分词个数，以最终获得文本向量d'。

每个训练样本的主题概率d”可基于lda(latentdirichletallocation)文档主题生成模型获得。

在本实施例中，采用了基于tf/idf算法对词向量的加权求和，并与lda主题概率拼接，以获得文本特征d＝{d'；d”}，用该方法来提取文本特征，考虑了句子与句子之间的关系，保留了全局信息与局部信息，可以更完整的对文本特征进行表达。

步骤203，基于所述文本特征，生成输入数据。

具体的，可基于文本特征d及文本特征权重w生成二维举证w*d，作为所述输入数据。其中，文本特征权重可为文本主题特征与预设主题特征的余弦相似度。

步骤204，基于所述输入数据对所述预设短文本分类模型进行训练。

具体而言，在基于训练样本获取到对应的输入数据后，可基于该些输入数据对其中所述预设短文本分类模型进行训练。

在本实施例中，预设短文本分类模型可基于半监督分类算法实现，较佳的，可由长短期记忆网络(longshort-termmemory，lstm)算法构建而成。

可以理解的是，在对预设短文本分类模型之前，需先基于实际应用需求设定目标分类主题。

基于上述智能客服方法，本发明实施例还提供一种智能客服系统。

请参照图3，图3绘示本发明二实施例所提供的智能客服系统结构示意图。

如图3所示，本实施例所提供的智能客服系统包含：

交互模块301，交互模块301提供输入输出接口，以接收客户的输入信息，并向客户输出信息，从而为客服与客户的交互提供基础。其中交互模块301通过输入接口接收客户输入文本，并发送给识别模块302。

识别模块302接收交互模块301发送的输入文本，并对输入文本进行识别，具体可包含，对输入文本的类型进行识别，当输入文本为疑问句时，则进一步对输入文本的主题进行识别，并将识别结果发送给调度模块303，一并发送的，还有输入文本。

具体而言，识别模块302基于预设短文本分类模型对输入文本的主题进行识别，其中预设短文本分类模型的训练方法可具体参照图2所示。

调度模块303，接收识别结果及输入文本，并基于所述识别结果分配对应客服，以针对所述文本进行回复，并将回复信息通过所述交互模块301发送给所述客户。

具体而言，识别结果可包含如下三种：

第一：输入文本为疑问句，且可匹配到具体的主题；

第二：输入文本为疑问句，但无法匹配到具体的主题；

第三，输入文本为非疑问句。

当识别结果为第一种时，表明系统已确定得了解到客户的实际需求，且客户的需求是有被规划到预设主题类型中的，那么可基于具体匹配到的主题，来分配对应的专业型客服来回复该输入文本，以保证回复的准确度和速度。

当识别结果为第二种或第三种是，可分配通用型客服来针对输入文本进行回复，可通过通用型客服的提示和引导，获取客户的具体需求。

本发明实施例所提供的智能客服系统，可基于客户输入进行客服分配，并可通过对输入文本的主题识别，来分配对应的客服来对接处理，从而保证客服服务的专业度及速率。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施方式，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。