一种智能客服系统知识库的更新方法及装置与流程

本发明实施例涉及智能客服技术领域，特别是涉及一种智能客服系统知识库的更新方法及装置。

背景技术：

随着计算机技术的飞速发展，各个行业为了更好的为客户提供服务，智能客服系统越来越广泛的应用在各行业中。智能客服系统通常基于知识库回答用户的问题。为了能够为用户反馈准确性较高的答案，需要不断的对智能客服系统的知识库进行更新完善。

目前，发明人在实现本发明实施例的过程中发现，智能客服系统的知识库在更新时至少可以采用如下两种方法：一种方法为采用人工标注整理的方式对知识库进行更新。此种方法由于采用人工方式因此在更新知识库时不仅需要耗费大量的人力物力，而且整理周期较长耗时较多，且基于人工标注整理知识点(问题和答案组合成的问题答案对)覆盖的不全面导致智能客服系统基于用户问题反馈答案的准确率较低。另一种方法为基于人工客服的服务记录更新知识库。但是该方法中人工客服在智能客服系统中占比较小，因此人工客服的服务记录覆盖的知识点也不全面，也会导致智能客服系统基于用户问题反馈答案的准确率较低。

技术实现要素：

有鉴于此，本发明实施例提出了一种智能客服系统知识库的更新方法及装置，主要目的在于提高智能客服系统反馈答案的准确率。

第一方面，本发明实施例提供了一种智能客服系统知识库的更新方法，该方法包括：

基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据；

基于所述正向反馈数据对所述知识库进行新增数据操作；

基于所述负向反馈数据对所述知识库进行数据之间相关性的调整操作；

其中，所述至少一个建议问题是基于所述用户输入的用户问题向所述用户推送的；所述正向反馈数据用于新增知识库中的数据；所述负向反馈数据用于调整所述知识库中数据之间的相关性。

第二方面，本发明实施例提供了一种智能客服系统知识库的更新装置，该装置包括：

获取模块，用于基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据；所述至少一个建议问题是基于所述用户输入的用户问题向所述用户推送的；所述正向反馈数据用于新增知识库中的数据；所述负向反馈数据用于调整所述知识库中数据之间的相关性；

第一更新模块，用于基于所述正向反馈数据对所述知识库进行新增数据操作；

第二更新模块，用于基于所述负向反馈数据对所述知识库进行数据之间相关性的调整操作。

第三方面，本发明实施例提供了一种存储介质，所述存储介质存储有多条指令，所述指令适用于由处理器加载并执行如第一方面中任意一项所述的智能客服系统知识库的更新方法。

第四方面，本发明实施例提供了一种电子设备，所述电子设备包括：存储介质和处理器；所述处理器，适于实现各指令；所述存储介质，适于存储多条指令；所述指令适于由所述处理器加载并执行如第一方面中任意一项所述的智能客服系统知识库的更新方法。

借由上述技术方案，本发明实施例提供的智能客服系统知识库的更新方法及装置，通过多个用户针对其各自对应的建议问题的反馈操作，得到用于新增知识库中数据的正向反馈数据以及得到用于调整知识库中数据之间相关性的负向反馈数据。然后利用正向反馈数据对知识库进行新增数据操作，以及利用负向反馈数据对知识库进行数据之间相关性的调整操作，从而实现知识库的更新和完善。通过上述可知，本发明实施例中不仅对知识库的数据进行了新增，而且对知识库已有数据的相关性进行了调整，从而使得更新后的知识库的数据覆盖更为全面，且数据之间相关性更满足用户的实际要求。因此在智能客服系统基于知识库为用户推送答案时可以反馈准确率更高的答案。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明一个实施例提供的一种智能客服系统知识库的更新方法的流程图；

图2示出了本发明另一个实施例提供的一种确定正向反馈数据和负向反馈数据的方法的流程图；

图3示出了本发明另一个实施例提供的一种基于正向反馈数据和负向反馈数据更新知识库的方法的流程图；

图4示出了本发明一个实施例提供的一种智能客服系统知识库的更新装置的结构示意图；

图5示出了本发明另一个实施例提供的一种智能客服系统知识库的更新装置的结构示意图。

具体实施方式

下面将参照附图更加详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，本发明实施例提供了一种智能客服系统知识库的更新方法，该方法主要包括：

101、基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据；其中，所述至少一个建议问题是基于所述用户输入的用户问题向所述用户推送的；所述正向反馈数据用于新增知识库中的数据；所述负向反馈数据用于调整所述知识库中数据之间的相关性。

在实际应用中，智能客服系统知识库可以是服务于任意一种行业的知识库。在智能客服系统接收到用户提出的用户问题时，智能客服系统基于其对应的知识库对用户问题进行回复。知识库中包括有答案文本以及问题文本，其中，答案文本用于答复用户问题；问题文本用于向用户推送建议问题。

具体的，智能客服系统在接收到用户输入的用户问题时，判断在知识库中是否存在与用户问题语义相似的目标答案；该目标答案就是与用户问题语义相似的答案文本。当判断在知识库中是否存在与用户问题语义相似的目标答案时，至少会遇到如下两种情况：

第一种，知识库中存在与用户问题语义相似的答案文本，说明知识库可以对用户问题做出准确的回复，则将与用户问题语义相似的答案文本作为用户问题的目标答案，并推送给用户。需要说明的是，与用户问题语义相似的答案文本和用户问题之间的语义相似度大于预设的答案阈值。

第二种，知识库中不存在与用户问题语义相似的答案文本，也就是知识库中存在的答案文本与用户问题之间的语义相似度均不大于预设的答案阈值，说明知识库中不存在用户问题的准确答案。此时，为了使用户可以得到针对用户问题的答案，则需要判断知识库中是否存在与用户问题对应的建议问题，以便向用户推送建议问题。具体的，判断知识库中是否存在与用户问题对应的建议问题的方法至少包括如下三种方法：

方法一、判断知识库中是否存在与用户问题语义相似的问题文本；其中，与用户问题语义相似的问题文本和用户问题之间的语义相似度大于预设的问题阈值，且与用户问题语义相似的问题文本在知识库中均存在对应的答案。若判断出存在与用户问题语义相似的问题文本，则按照语义相似度从高到低的顺序，选取前n个问题文本，并将选取的n个问题文本作为建议问题推送给用户。若不存在与用户问题语义相似的问题文本，则说明知识库中并不存在用户问题的相关答案，该用户问题为一个新的问题，需要增加到知识库中，则将标记暂无答案的该用户问题作为正向反馈数据。

方法二、判断知识库中是否存在与用户问题相关的问题文本，其中，与用户问题相关的问题文本和用户问题之间的相关性分值大于预设的分值阈值，且与用户问题相关的问题文本在知识库中均存在对应的答案。知识库中各个问题文本之间均具有相关性分值，两个问题文本之间的相关性分值越高越说明两个问题文本相互之间可替换的程度越高。示例性的，“我想吃饭”与“我饿了”之间的相关性分值可以设定的较高，这两个文本之间是可以相互替换的。若判断出存在与用户问题相关的问题文本，则按照相关性分值从高到低的顺序，选取前n个问题文本，并将选取的n个问题文本作为建议问题推送给用户。若不存在与用户问题相关的问题文本，则说明知识库中并不存在用户问题的相关答案，该用户问题为一个新的问题，需要增加到知识库中，则将标记暂无答案的该用户问题作为正向反馈数据。

方法三、判断知识库中是否存在与用户问题相关的问题文本。若不存在相关的问题文本，则判断知识库中是否存在与用户问题语义相似的问题文本；若判断出存在与用户问题语义相似的问题文本，则按照语义相似度从高到低的顺序，选取前n个问题文本，并将选取的n个问题文本作为建议问题推送给用户。若不存在与用户问题语义相似的问题文本，则说明知识库中并不存在用户问题的相关答案，该用户问题为一个新的问题，需要增加到知识库中，则将标记暂无答案的该用户问题作为正向反馈数据。若存在相关的问题文本，则按照相关性分值从高到低的顺序，选取前m个问题文本(其中，m大于等于n)。然后确定m个问题文本分别与用户问题的语义相似度，按照语义相似度从高到低的顺序，选取前n个问题文本，并将选取的n个问题文本作为建议问题推送给用户。若不存在与用户问题相关的问题文本，则说明知识库中并不存在用户问题的相关答案，该用户问题为一个新的问题，需要增加到知识库中，则将标记暂无答案的该用户问题作为正向反馈数据。

具体的，在向一个用户推送建议问题时，可以基于该用户针对建议问题的反馈操作得到该用户产生的正向反馈数据或负反馈数据。在向用户推送建议问题时，可以执行下述a1-a4。

a1、检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；若检测出存在被选中的目标建议问题，执行a2；否则，执行a3。

具体的，在建议问题展示给用户时，用户可以根据自己的需求判断是否选择一个建议问题。建议问题可以以设定的展示方式，在设定的界面展示给用户。在建议问题展示时可以询问用户想问这些展示的建议问题中的哪个，以及这些展示的建议问题是否都不想询问。

具体的，若检测出建议问题中的一个目标建议问题被用户选中，则说明该建议问题可以替代用户问题，则执行a2。

具体的，若在设定的时间内未检测到被选中的目标建议问题，或，若用户触发预设的建议问题都不是想问的按钮，则说明建议问题不可替代用户问题，则执行a3。

a2、将所述目标建议问题与所述用户的用户问题关联，将关联的所述目标建议问题与所述用户问题作为所述正向反馈数据。

具体的，在用户选择出目标建议问题时，则说明可以将用户问题作为目标建议问题的一个潜在扩展问，则将目标建议问题与用户的用户问题关联，以便基于该关联管理关系，将用户问题作为目标建议问题的扩展问增加到知识库中，从而使得知识库覆盖的知识点更为全面。

a3、将所述用户问题与所述至少一个建议问题关联，并标注降低相关性标记；将标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题作为所述负向反馈数据。

具体的，在用户未选择任意一个建议问题时，则说明建议问题不可以替代用户问题，则用户问题与建议问题之间的相关性需要降低。降低相关性就是降低用户问题与建议问题之间的相关性分值。

在实际应用中，进一步的，为了使用户可以及时得到针对用户问题的答案，则在检测出不存在被选中的目标建议问题时，则询问用户是否转人工客服服务。若在预设时间段内接收到用户未转人工客服服务的指令，说明用户拒绝人工客服服务，则为用户的用户问题标记暂无答案，并将标记暂无答案的用户问题作为正向反馈数据。若在预设时间段内接收到用户转人工客服服务的指令，则将用户的用户问题作为上下文转发给人工客服，由人工客服为用户服务，由人工客服为用户提供针对用户问题的答案。由于人工客服记录是用户与客服沟通的记录，因此当人工客服针对用户问题完成客服服务时，则从人工客服记录中挖掘出用户问题的潜在答案，并将关联的潜在答案与用户问题作为正向反馈数据。

具体的，人工客服记录会包括一些与业务无关的闲聊等无用内容(比如，你好、谢谢、请问之类的词语)，而这些无用内容应予以剔除。因此利用预设的分类模型从人工客服记录中提取业务文本，而忽略人工客服历史聊天记录中的无用内容。这里所述的分类模型可以将人工客服记录中的文本进行二分类，分成闲聊文本和业务文本。在识别出闲聊文本时则将闲聊文本剔除，在识别出业务文本时则提取业务文本。分类模型的具体型式可以根据业务要求确定，可选的，分类模型可以包括但不限于svm(supportvectormachine)、决策树以及cnn(convolutionalneuralnetworks，卷积神经网络)中的任意一种。

102、基于所述正向反馈数据对所述知识库进行新增数据操作。

具体的，正向反馈数据中可以包括但不限于如下中的至少一种：关联的目标建议问题与用户问题、标记暂无答案的用户问题、关联的潜在答案与用户问题。其中，目标建议问题是用户选中的建议问题；潜在答案是从人工客服记录中提取的针对用户问题的答案。基于上述的正向反馈数据的三种型式，利用正向反馈数据对知识库进行新增数据操作的过程至少包括如下四种：

第一种，若正向反馈数据中包括关联的目标建议问题与用户问题，则对应展示关联的目标建议问题与用户问题；在接收到针对目标建议问题的审查通过指令时，将目标建议问题作为用户问题的扩展问题新增到知识库。目标建议问题是建议问题中被选中的建议问题。

具体的，将关联的目标建议问题与用户问题加载到预设的审核界面中，并在审核界面对应的展示关联的目标建议问题与用户问题，以使审核人员清楚的了解到哪个用户问题与哪个目标建议问题关联。若接收到审核人员下发的丢弃指令时，则丢弃关联的目标建议问题与用户问题，说明用户问题并不能作为目标建议问题的扩展问被记录在知识库中。若接收到审核人员下发的保留指令时，说明用户问题可以作为目标建议问题的扩展问，则将用户问题作为目标建议问题的扩展问增加到知识库中，从而达到丰富知识库的目的。

第二种，若正向反馈数据中包括标记暂无答案的用户问题，则展示用户问题；在接收到外部输入的针对所述用户问题的答案时，将所述用户问题与所述答案对应存储到所述知识库。

具体的，将标记暂无答案的用户问题展示给审核员，并提示审核员该用户问题需要补充答案，以使审核员根据提示对该用户问题进行答案补充。在接收到审核员输入的答案时，将用户问题与答案作为新的知识点，增加到知识库中，从而达到扩充知识库的目的。由于用户问题的答案是审核员基于自身的经验手动输入的，因此用户问题与答案组成的知识点更为准确。

第三种，若所述正向反馈数据中包括标记暂无答案的用户问题，则在所述知识库对应的行业的散文本提取所述用户问题的答案；将提取的答案与所述用户问题对应存储到所述知识库。

具体的，行业的散文本可以包括但不限于公开发行的法律法规、说明书、教材等文档。在知识库对应的行业的散文本提取用户问题的答案的过程可以为：将散文本拆分成多个短句；判断多个短句中是否存在与用户问题语义相似的目标短句；若存在，则目标短句确定为用户问题的答案。

具体的，依据标点符号将散文本拆分成多个短句，并对语义相似的短句进行合并。在合并后的短句中查询出与用户问题语义相似的目标短句。其中，查询与用户问题语义相似的目标短句的过程可以包括但不限于：采用余弦相似度方法，确定用户问题的向量以及每一个短句的句子向量，分别确定用户问题的向量与每一个句子向量之间的余弦值，将余弦值小于预设的余弦阈值的短句确定为目标短句。

需要说明的是，由于用户问题的答案基于行业的散文本得到，而行业的散文本中覆盖有大量的有价值的信息。基于行业的散文本得到的答案便涵盖了这些有价值的信息，因此可以为用户问题确定出更为准确的答案。

第四种，若所述正向反馈数据中包括关联的潜在答案与用户问题，则对应展示所述用户问题以及所述潜在答案；检测是否接收到针对所述潜在答案的修改信息；若接收到针对所述潜在答案的修改信息，则依据所述修改信息对所述潜在答案进行修改，并将所述用户问题以及修改后的潜在答案对应存储到所述知识库；若未接收到针对所述潜在答案的修改信息，直接将所述用户问题以及所述潜在答案对应存储到所述知识库。

具体的，将关联的潜在答案与用户问题加载到预设的审核界面中，并在审核界面对应的展示关联的潜在答案与用户问题，以使审核人员清楚的了解到哪个用户问题与哪个潜在答案关联。审核人员可以基于展示的数据进行审核，在审核人员认定潜在答案与用户问题不匹配时，可以对潜在答案进行修改，因此在接收到针对潜在答案的修改信息时，则依据修改信息对潜在答案进行修改，将用户问题以及修改后的潜在答案对应的存储到知识库中。在设定的时长未检测到针对潜在答案的修改信息时，则说明审核人员并未对潜在答案进行修改，潜在答案无问题，则直接将用户问题以及潜在答案对应存储到知识库中。

103、基于所述负向反馈数据对所述知识库进行数据之间相关性的调整操作。

具体的，负向反馈数据中包括被标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题，则基于负向反馈数据对知识库进行数据之间相关性的调整操作的过程包括：将负向反馈数据注入到知识库对应的训练模型中，采用预设的训练算法，基于负向反馈数据对知识库中的数据之间的相关性进行调整。

具体的，训练模型可以是采用神经网络算法预先设定的用于调整相关性的模型。在负向反馈数据注入到训练模型中时，便可以基于关联的用户问题与建议问题之间的语义相似度，对用户问题与建议问题之间的相关性分值进行调整。训练算法本发明实施例中并不做具体限定，其可以基于业务需求灵活选定，示例性的，训练算法为神经网络算法。

具体的，调整用户问题与建议问题相关性的方法还可以包括但不限于：根据用户问题与建议问题之间的语义相似度、以及用户问题与建议问题之间当前的相关性分值来降低用户问题与建议问题之间的相关性分值。示例性的，根据语义相似度查询预设的相似度与百分比分值的对应关系，确定降低百分比。确定降低百分比与当前相关性分值之间乘积，将当前相关性分值与乘积之间的差值确定为降低后用户问题与建议问题之间的相关性分值。

本发明实施例提供的智能客服系统知识库的更新方法，通过多个用户针对其各自对应的建议问题的反馈操作，得到用于新增知识库中数据的正向反馈数据以及得到用于调整知识库中数据之间相关性的负向反馈数据。然后利用正向反馈数据对知识库进行新增数据操作，以及利用负向反馈数据对知识库进行数据之间相关性的调整操作，从而实现知识库的更新和完善。通过上述可知，本发明实施例中不仅对知识库的数据进行了新增，而且对知识库已有数据的相关性进行了调整，从而使得更新后的知识库的数据覆盖更为全面，且数据之间相关性更满足用户的实际要求。因此在智能客服系统基于知识库为用户推送答案时可以反馈准确率更高的答案。

根据图1所示的方法，下面以图2为例说明针对一个用户如何得到正向反馈数据或负向反馈数据的过程，该过程主要包括：

201、接收所述用户输入的用户问题。

202、判断在所述知识库中是否存在与所述用户问题语义相似的目标答案；若不存在，执行203；否则，执行210。

203、向所述用户推送与所述用户问题语义相似的建议问题。

204、检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；若存在，执行205；否则，执行209。

205、询问所述用户是否转人工客服服务；若在预设时间段内接收到所述用户未转人工客服服务的指令，执行206；若接收到所述用户转人工客服服务的指令，执行207。

206、为所述用户的用户问题标记暂无答案，并将标记暂无答案的用户问题作为所述正向反馈数据，并结束当前流程。

207、将所述用户的用户问题作为上下文转发给人工客服。

208、当所述人工客服针对所述用户问题完成客服服务时，则从人工客服记录中挖掘出所述用户问题的潜在答案，并将关联的所述潜在答案与所述用户问题作为所述正向反馈数据，并结束当前流程。

209、将所述用户问题与所述至少一个建议问题关联，并标注降低相关性标记；将标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题作为所述负向反馈数据，并结束当前流程。

210、向用户推送目标答案。

进一步的，为了使得智能客服系统知识库更完善，在对知识库进行更新时需要设定数量个用户针对其各自对应的建议问题的反馈操作得到正向反馈数据以及负向反馈数据，或，需要正向反馈数据以及负向反馈数据的累积数据量达到预设的数据量阈值才对知识库进行更新。该设定数量、数据量阈值并不做具体限定，其可以根据具体的业务要求确定。示例性的，设定数量为1000、数据量阈值为5gb。具体的，在累积的正向反馈数据以及负向反馈数据达到要求时，则执行如图3所示的流程对知识库进行更新，该流程包括：

301、检测正向反馈数据以及负向反馈数据的类型；若所述正向反馈数据中包括关联的目标建议问题与用户问题，执行302；若所述正向反馈数据中包括标记暂无答案的用户问题，执行304；若所述正向反馈数据中包括关联的潜在答案与用户问题，执行309；若所述负向反馈数据中包括标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题，执行313。

302、对应展示关联的目标建议问题与用户问题；所述目标建议问题是所述至少一个建议问题中被选中的建议问题。

303、在接收到针对所述目标建议问题的审查通过指令时，将所述目标建议问题作为所述用户问题的扩展问题新增到所述知识库，并结束当前流程。

304、将所述知识库对应的行业的散文本拆分成多个短句。

305、判断所述多个短句中是否存在与所述用户问题语义相似的目标短句；若存在，执行306；否则，执行307。

306、所述目标短句确定为所述用户问题的答案，将提取的答案与所述用户问题对应存储到所述知识库，并结束当前流程。

307、展示所述用户问题。

308、在接收到外部输入的针对所述用户问题的答案时，将所述用户问题与所述答案对应存储到所述知识库，并结束当前流程。

309、对应展示所述用户问题以及所述潜在答案。

310、检测是否接收到针对所述潜在答案的修改信息；若是，执行311；否则，执行312。

311、依据所述修改信息对所述潜在答案进行修改，并将所述用户问题以及修改后的潜在答案对应存储到所述知识库，并结束当前流程。

312、直接将所述用户问题以及所述潜在答案对应存储到所述知识库，并结束当前流程。

313、将所述负向反馈数据注入到所述知识库对应的训练模型中，采用预设的训练算法，基于所述负向反馈数据对所述知识库中的数据之间的相关性进行调整。

进一步的，依据上述方法实施例，本发明的另一个实施例还提供了一种智能客服系统知识库的更新装置，如图4所示，所述装置包括：

获取模块41，用于基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据；所述至少一个建议问题是基于所述用户输入的用户问题向所述用户推送的；所述正向反馈数据用于新增知识库中的数据；所述负向反馈数据用于调整所述知识库中数据之间的相关性；

第一更新模块42，用于基于所述正向反馈数据对所述知识库进行新增数据操作；

第二更新模块43，用于基于所述负向反馈数据对所述知识库进行数据之间相关性的调整操作。

本发明实施例提供的智能客服系统知识库的更新装置，通过多个用户针对其各自对应的建议问题的反馈操作，得到用于新增知识库中数据的正向反馈数据以及得到用于调整知识库中数据之间相关性的负向反馈数据。然后利用正向反馈数据对知识库进行新增数据操作，以及利用负向反馈数据对知识库进行数据之间相关性的调整操作，从而实现知识库的更新和完善。通过上述可知，本发明实施例中不仅对知识库的数据进行了新增，而且对知识库已有数据的相关性进行了调整，从而使得更新后的知识库的数据覆盖更为全面，且数据之间相关性更满足用户的实际要求。因此在智能客服系统基于知识库为用户推送答案时可以反馈准确率更高的答案。

进一步的，如图5所示，所述获取模块41包括：

第一检测单元411，检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；若检测出存在被选中的目标建议问题，触发第一获取单元412；

所述第一获取单元412，用于在所述第一检测单元411的触发下，则将所述目标建议问题与所述用户的用户问题关联，将关联的所述目标建议问题与所述用户问题作为所述正向反馈数据。

进一步的，如图5所示，所述获取模块41包括：

第一检测单元411，检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；若检测出不存在被选中的目标建议问题，触发第二获取单元413；

所述第二获取单元413，用于在所述第一检测单元411的触发下，将所述用户问题与所述至少一个建议问题关联，并标注降低相关性标记；将标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题作为所述负向反馈数据。

进一步的，如图5所示，所述获取模块41还包括：

询问单元414，用于在所述第一检测单元411检测出不存在被选中的目标建议问题时，则询问所述用户是否转人工客服服务；

第三获取单元415用于若在预设时间段内未接收到所述用户未转人工客服服务的指令，则为所述用户问题标记暂无答案，并将标记暂无答案的用户问题作为所述正向反馈数据。

进一步的，如图5所示，所述获取模块41还包括：

询问单元414，用于在所述第一检测单元411检测出不存在被选中的目标建议问题时，则询问所述用户是否转人工客服服务；

第四获取单元416，用于若在预设时间段内接收到所述用户转人工客服服务的指令，则将所述用户的用户问题作为上下文转发给人工客服；当所述人工客服针对所述用户问题完成客服服务时，则从人工客服记录中挖掘出所述用户问题的潜在答案，并将关联的所述潜在答案与所述用户问题作为所述正向反馈数据。

进一步的，如图5所示，所述第一更新模块42包括：

第一展示单元421，用于若所述正向反馈数据中包括关联的目标建议问题与用户问题，则对应展示关联的目标建议问题与用户问题；所述目标建议问题是所述至少一个建议问题中被选中的建议问题；

第一更新单元422，用于在接收到针对所述目标建议问题的审查通过指令时，将所述目标建议问题作为所述用户问题的扩展问题新增到所述知识库。

进一步的，如图5所示，所述第一更新模块42包括：

第二展示单元423，用于若所述正向反馈数据中包括标记暂无答案的用户问题，则展示所述用户问题；

第二更新单元424，用于在接收到外部输入的针对所述用户问题的答案时，将所述用户问题与所述答案对应存储到所述知识库。

进一步的，如图5所示，所述第一更新模块42包括：

提取单元425，用于若所述正向反馈数据中包括标记暂无答案的用户问题，则在所述知识库对应的行业的散文本提取所述用户问题的答案；

第三更新单元426，用于将提取的答案与所述用户问题对应存储到所述知识库。

进一步的，如图5所示，所述第三更新单元426包括：

拆分子单元4261，用于将所述散文本拆分成多个短句；

判断子单元4262，用于判断所述多个短句中是否存在与所述用户问题语义相似的目标短句；若存在，触发确定子单元4263；

所述确定子单元3263，用于在所述判断子单元3262的触发下，则所述目标短句确定为所述用户问题的答案。

进一步的，如图5所示，所述第一更新模块42包括：

第三展示单元427，用于若所述正向反馈数据中包括关联的潜在答案与用户问题，则对应展示所述用户问题以及所述潜在答案；

第二检测单元428，用于检测是否接收到针对所述潜在答案的修改信息；若是，触发第四更新单元429；否则，触发第五更新单元430；

所述第四更新单元429，用于在所述第二检测单元的触发下，则依据所述修改信息对所述潜在答案进行修改，并将所述用户问题以及修改后的潜在答案对应存储到所述知识库；

所述第五更新单元430，用于在所述第二检测单元的触发下，直接将所述用户问题以及所述潜在答案对应存储到所述知识库。

进一步的，如图5所示，所述第二更新模块43包括：

注入单元431，用于若所述负向反馈数据中包括标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题，则将所述负向反馈数据注入到所述知识库对应的训练模型中；

调整单元432，用于采用预设的训练算法，基于所述负向反馈数据对所述知识库中的数据之间的相关性进行调整。

进一步的，如图5所示，该装置还包括：

推送模块44，用于接收所述用户输入的用户问题；判断在所述知识库中是否存在与所述用户问题语义相似的目标答案；若不存在，则向所述用户推送与所述用户问题语义相似的建议问题。

本发明实施例提供的装置中，各个功能模块运行过程中所采用的方法详解可以参见图1、图2、图3方法实施例的对应方法详解，在此不再赘述。

进一步的，依据上述实施例，本发明的另一个实施例还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适用于由处理器加载并执行如上所述的智能客服系统知识库的更新方法。

进一步的，依据上述实施例，本发明的另一个实施例还提供了一种电子设备，所述电子设备包括：存储介质和处理器；

所述处理器，适于实现各指令；

所述存储介质，适于存储多条指令；

所述指令适于由所述处理器加载并执行如上所述的智能客服系统知识库的更新方法。

本发明实施例公开了：

a1、一种智能客服系统知识库的更新方法，该方法包括：

基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据；

基于所述正向反馈数据对所述知识库进行新增数据操作；

基于所述负向反馈数据对所述知识库进行数据之间相关性的调整操作；

其中，所述至少一个建议问题是基于所述用户输入的用户问题向所述用户推送的；所述正向反馈数据用于新增知识库中的数据；所述负向反馈数据用于调整所述知识库中数据之间的相关性。

a2、根据a1所述的方法，所述基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据，包括：

检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；

若检测出存在被选中的目标建议问题，则将所述目标建议问题与所述用户的用户问题关联，将关联的所述目标建议问题与所述用户问题作为所述正向反馈数据。

a3、根据a1所述的方法，所述基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据，包括：

检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；

若检测出不存在被选中的目标建议问题，则将所述用户问题与所述至少一个建议问题关联，并标注降低相关性标记；将标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题作为所述负向反馈数据。

a4、根据a2所述的方法，该方法还包括：

在检测出不存在被选中的目标建议问题时，询问所述用户是否转人工客服服务；

若在预设时间段内未接收到所述用户转人工客服服务的指令，则为所述用户的用户问题标记暂无答案，并将标记暂无答案的用户问题作为所述正向反馈数据。

a5、根据a2所述的方法，该方法还包括：

在检测出不存在被选中的目标建议问题时，询问所述用户是否转人工客服服务；

若在预设时间段内接收到所述用户转人工客服服务的指令，则将所述用户的用户问题作为上下文转发给人工客服；当所述人工客服针对所述用户问题完成客服服务时，则从人工客服记录中挖掘出所述用户问题的潜在答案，并将关联的所述潜在答案与所述用户问题作为所述正向反馈数据。

a6、根据a1-a5中任一所述的方法，所述基于所述正向反馈数据对所述知识库进行新增数据操作，包括：

若所述正向反馈数据中包括关联的目标建议问题与用户问题，则对应展示关联的目标建议问题与用户问题；所述目标建议问题是所述至少一个建议问题中被选中的建议问题；

在接收到针对所述目标建议问题的审查通过指令时，将所述目标建议问题作为所述用户问题的扩展问题新增到所述知识库。

a7、根据a1-a5中任一所述的方法，所述基于所述正向反馈数据对所述知识库进行新增数据操作，包括：

若所述正向反馈数据中包括标记暂无答案的用户问题，则展示所述用户问题；

在接收到外部输入的针对所述用户问题的答案时，将所述用户问题与所述答案对应存储到所述知识库。

a8、根据a1-a5中任一所述的方法，所述基于所述正向反馈数据对所述知识库进行新增数据操作，包括：

若所述正向反馈数据中包括标记暂无答案的用户问题，则在所述知识库对应的行业的散文本提取所述用户问题的答案；

将提取的答案与所述用户问题对应存储到所述知识库。

a9、根据a8所述的方法，所述在所述知识库对应的行业的散文本提取所述用户问题的答案，包括：

将所述散文本拆分成多个短句；

判断所述多个短句中是否存在与所述用户问题语义相似的目标短句；

若存在，则所述目标短句确定为所述用户问题的答案。

a10、根据a1-a5中任一所述的方法，所述基于所述正向反馈数据对所述知识库进行新增数据操作，包括：

若所述正向反馈数据中包括关联的潜在答案与用户问题，则对应展示所述用户问题以及所述潜在答案；

检测是否接收到针对所述潜在答案的修改信息；

若检测出接收到针对所述潜在答案的修改信息，则依据所述修改信息对所述潜在答案进行修改，并将所述用户问题以及修改后的潜在答案对应存储到所述知识库；

若检测出未接收到针对所述潜在答案的修改信息，则直接将所述用户问题以及所述潜在答案对应存储到所述知识库。

a11、根据a1-a5中任一所述的方法，所述基于所述负向反馈数据对所述知识库进行数据之间相关性的调整操作，包括：

若所述负向反馈数据中包括标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题，则将所述负向反馈数据注入到所述知识库对应的训练模型中，基于所述负向反馈数据对所述知识库中的数据之间的相关性进行调整。

a12、根据a1-a5中任一所述的方法，在所述基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据之前，该方法还包括：

接收所述用户输入的用户问题；

判断在所述知识库中是否存在与所述用户问题语义相似的目标答案；

若不存在，则向所述用户推送与所述用户问题语义相似的建议问题。

b1、一种智能客服系统知识库的更新装置，该装置包括：

获取模块，用于基于多个用户针对其各自对应的至少一个建议问题的反馈操作得到正向反馈数据以及负向反馈数据；所述至少一个建议问题是基于所述用户输入的用户问题向所述用户推送的；所述正向反馈数据用于新增知识库中的数据；所述负向反馈数据用于调整所述知识库中数据之间的相关性；

第一更新模块，用于基于所述正向反馈数据对所述知识库进行新增数据操作；

第二更新模块，用于基于所述负向反馈数据对所述知识库进行数据之间相关性的调整操作。

b2、根据b1所述的装置，所述获取模块包括：

第一检测单元，检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；若检测出存在被选中的目标建议问题，触发第一获取单元；

所述第一获取单元，用于在所述第一检测单元的触发下，则将所述目标建议问题与所述用户的用户问题关联，将关联的所述目标建议问题与所述用户问题作为所述正向反馈数据。

b3、根据b1所述的装置，所述获取模块包括：

第一检测单元，检测所述用户对应的至少一个建议问题中是否存在被选中的目标建议问题；若检测出不存在被选中的目标建议问题，则触发第二获取单元；

所述第二获取单元，用于在所述第一检测单元的触发下，将所述用户问题与所述至少一个建议问题关联，并标注降低相关性标记；将标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题作为所述负向反馈数据。

b4、根据b2所述的装置，所述获取模块还包括：

询问单元，用于在所述第一检测单元检测出不存在被选中的目标建议问题时，询问所述用户是否转人工客服服务；

第三获取单元，用于若在预设时间段内未接收到所述用户未转人工客服服务的指令，则为所述用户问题标记暂无答案，并将标记暂无答案的用户问题作为所述正向反馈数据。

b5、根据b2所述的装置，所述获取模块还包括：

询问单元，用于在所述第一检测单元检测出不存在被选中的目标建议问题时，询问所述用户是否转人工客服服务；

第四获取单元，用于若在预设时间段内接收到所述用户转人工客服服务的指令，则将所述用户的用户问题作为上下文转发给人工客服；当所述人工客服针对所述用户问题完成客服服务时，则从人工客服记录中挖掘出所述用户问题的潜在答案，并将关联的所述潜在答案与所述用户问题作为所述正向反馈数据。

b6、根据b1-b5中任一所述的装置，所述第一更新模块包括：

第一展示单元，用于若所述正向反馈数据中包括关联的目标建议问题与用户问题，则对应展示关联的目标建议问题与用户问题；所述目标建议问题是所述至少一个建议问题中被选中的建议问题；

第一更新单元，用于在接收到针对所述目标建议问题的审查通过指令时，将所述目标建议问题作为所述用户问题的扩展问题新增到所述知识库。

b7、根据b1-b5中任一所述的装置，所述第一更新模块包括：

第二展示单元，用于若所述正向反馈数据中包括标记暂无答案的用户问题，则展示所述用户问题；

第二更新单元，用于在接收到外部输入的针对所述用户问题的答案时，将所述用户问题与所述答案对应存储到所述知识库。

b8、根据b1-b5中任一所述的装置，所述第一更新模块包括：

提取单元，用于若所述正向反馈数据中包括标记暂无答案的用户问题，则在所述知识库对应的行业的散文本提取所述用户问题的答案；

第三更新单元，用于将提取的答案与所述用户问题对应存储到所述知识库。

b9、根据b8所述的装置，所述第三更新单元包括：

拆分子单元，用于将所述散文本拆分成多个短句；

判断子单元，用于判断所述多个短句中是否存在与所述用户问题语义相似的目标短句；若存在，触发确定子单元；

所述确定子单元，用于在所述判断子单元的触发下，则所述目标短句确定为所述用户问题的答案。

b10、根据b1-b5中任一所述的装置，所述第一更新模块包括：

第三展示单元，用于若所述正向反馈数据中包括关联的潜在答案与用户问题，则对应展示所述用户问题以及所述潜在答案；

第二检测单元，用于检测是否接收到针对所述潜在答案的修改信息；若是，触发第四更新单元；否则，触发第五更新单元；

所述第四更新单元，用于在所述第二检测单元的触发下，则依据所述修改信息对所述潜在答案进行修改，并将所述用户问题以及修改后的潜在答案对应存储到所述知识库；

所述第五更新单元，用于在所述第二检测单元的触发下，直接将所述用户问题以及所述潜在答案对应存储到所述知识库。

b11、根据b1-b5中任一所述的装置，所述第二更新模块包括：

注入单元，用于若所述负向反馈数据中包括标注降低相关性标记的、关联的所述用户问题与所述至少一个建议问题，则将所述负向反馈数据注入到所述知识库对应的训练模型中；

调整单元，用于采用预设的训练算法，基于所述负向反馈数据对所述知识库中的数据之间的相关性进行调整。

b12、根据b1-b5中任一所述的装置，该装置还包括：

推送模块，用于接收所述用户输入的用户问题；判断在所述知识库中是否存在与所述用户问题语义相似的目标答案；若不存在，则向所述用户推送与所述用户问题语义相似的建议问题。

c1、一种存储介质，所述存储介质存储有多条指令，所述指令适用于由处理器加载并执行如a1至a12中任意一项所述的智能客服系统知识库的更新方法。

d1、一种电子设备，所述电子设备包括：存储介质和处理器；

所述处理器，适于实现各指令；

所述存储介质，适于存储多条指令；

所述指令适于由所述处理器加载并执行如a1至a12中任意一项所述的智能客服系统知识库的更新方法。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的深度神经网络模型的运行方法、装置及框架中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。