一种解决智能客服对话上下文的处理方法及装置与流程

1.本发明涉及自然语言处理技术领域，具体涉及一种解决智能客服对话上下文的处理方法及装置。


背景技术：

2.随着互联网的发展，智能客服已经应用在各行各业，逐渐取代了人工服务。然而，智能客服系统在实际提供服务的时候，由于用户的自然对话习惯，难免遇到对话上下文的问题。比如“aaa基金的起购金额是多少？”，“那bbb基金呢？”。根据上下文，他谈论的应该是“起购金额”。通过上下文我们可以认为客户问的是“bbb基金的起购金额是多少呢？”。这是非常符合自然对话习惯的。
3.现有技术中，解决对话上下文的问题，有一些常见的解决方案。
4.一种是基于统计的方法，比如n-gram(基于出现频度进行统计)之类，对上下文缺失语句进行补全，这种做法缺少语义的分析和理解，效果十分不稳定。
5.第二种是基于监督学习的方法。比如人工标记一句话的实体/属性。这种在特定数据集上能获取比较好的效果，但又存在额外的工作量、实施成本太高，且兼容性太差的缺陷。


技术实现要素：

6.针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种可提高上下文识别的准确率，且不需要运营很多额外的工作量的一种智能客服对话上下文的处理方法及装置。
7.为实现上述目的，第一方面，本发明实施例提供了一种解决智能客服对话上下文的处理方法，应用于智能客服系统，所述方法包括：
8.抽取用户端所发送提问语句的实体和属性，并将抽取的内容作为上下文信息；
9.通过在同一会话下，利用之前根据所述提问语句所抽取到的上下文信息对当前用户所发送的当前问进行补充；
10.将补充得到的语句和原句一起，作为用户问去询问所述智能客服系统；其中，所述原句为未补充的所述当前问。
11.优选地，所述抽取方法包括：
12.基于句法树抽取；
13.通过词库抽取；
14.通过所述智能客服系统自带的常用标准问功能进行抽取。
15.优选地，所述对当前用户所发送的当前问进行补充，具体包括：
16.实体的补充；
17.属性的补充；
18.将指示代词用实体替换。
19.优选地，所述补充得到的语句的数量为一个或多个。
20.优选地，每句用户问，所述智能客服系统都会给到相应的回复，并通过选取最高分的策略选择最合适的回答返回出来。
21.第二方面，本发明实施例还提供了一种解决智能客服对话上下文的处理装置，包括抽取模块、上下文补充模块和处理模块；
22.所述抽取模块，用于抽取用户端所发送提问语句的实体和属性，并将抽取的内容作为上下文信息；
23.所述上下文补充模块，用于在同一会话下，利用之前根据所述提问语句所抽取到的上下文信息对当前用户所发送的当前问进行补充；
24.所述处理模块，用于将补充得到的语句和原句一起，作为用户问去询问所述智能客服系统；其中，所述原句为未补充的所述当前问。
25.优选地，所述抽取的方式具体包括：
26.基于句法树抽取；
27.通过词库抽取；
28.通过所述智能客服系统自带的常用标准问功能进行抽取。
29.优选地，所述对当前用户所发送的当前问进行补充，具体包括：
30.实体的补充；
31.属性的补充；
32.将指示代词用实体替换。
33.优选地，通过所述处理模块得到所述用户问时，每句用户问，所述智能客服系统都会给到相应的回复，并通过选取最高分的策略选择最合适的回答返回出来。
34.实施本发明实施例，通过将会话过程中，用户所产生的语句抽象为对实体与属性的描述，符合智能客服较多短句问询的场景，从而将复杂的自然语言问题进行了合理的简化，并在同一会话下，通过上下文信息来实现对当前问的补全，大幅度提高句子的抽取准确率，进而在不需要运营很多额外工作量的情况下，提升上下文识别的准确率，以便于智能客服系统进行准确的回复。
附图说明
35.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
36.图1是本发明实施例提供的一种解决智能客服对话上下文的处理方法的流程图；
37.图2是本发明实施例提供的一种解决智能客服对话上下文的处理装置的结构框图。
具体实施方式
38.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
39.请参考图1，本发明实施例提供的一种解决智能客服对话上下文的处理方法，应用于智能客服系统，所述方法包括：
40.s101，抽取用户端所发送提问语句的实体和属性，并将抽取的内容作为上下文信息。
41.具体地，所述提问语句通过用户与智能客服之间的会话过程中产生，抽取时，所述抽取方法包括：
42.基于句法树抽取；即，核心词提取方法，基于句法树可以抽取出一个短句的关键词。优点:不需要额外语料，缺点:只能提取实体。例如“你们公众号是多少”只能提取出“公众号”，但不能知道问的是公众号的号码。
43.通过词库抽取；即在应用时，有些特定的关键词需要专业知识才能知道,需要在词库中进行预置，这样才能准确的抽取。
44.通过所述智能客服系统自带的常用标准问功能进行抽取；例如“意外险都保些什么”，对应的标准问就是“意外险的承保范围”；通过这种明确的描述，并通过词性分析(比如动名词)，意外险作为实体，分类作为属性；充分利用智能客服都具备的标准问功能，通过规范标准问的写法，来大幅度提高句子的实体属性的抽取准确率。
45.上述三种抽取方法会同时进行，然后抽取到的实体和属性的集合都保留下来。
46.上述抽取方式，通过将一句话抽象为实体与属性的描述，符合智能客服较多短句问询的场景，将复杂的自然语言问题进行了合理的简化；
47.并且采用了句法树和现有智能客服系统都会有的常用标准问题的功能来大幅提高实体熟悉的抽取准确，也就是提高了上下文识别的准确率，且不需要运营很多额外的工作量。
48.s102，通过在同一会话下，利用之前根据所述提问语句所抽取到的上下文信息对当前用户所发送的当前问进行补充。
49.具体地，在会话过程中，由于用户自然对话的习惯，在会话的中间过程中，句子可能存在无实体或是属性的情况，从而造成智能客服系统按照正常流程无法正确回复的时候，则进行补充；
50.所述对当前用户所发送的当前问进行补充，具体包括：
51.实体的补充；
52.属性的补充；
53.将指示代词用实体替换。
54.例如，若发现当前句没有实体，则将上文中抽取到的实体补充下来。补充策略包含但不限于：1.缺实体补充实体(补在用户当前问最前面)；2.缺属性补充属性(补在用户当前问最后面)；3.有一个实体但存在与词或连接词(比如，和)，则再补充一个实体；4.将指示代词(他/她/它)用实体替换；
55.通过多种补充策略的组合，很好的解决了上下文补全的问题和上下文带来的误触问题。
56.需要说明的是，本实施例所谓的上下文是一个相对概率：在智能客服场景中，只能知道上文和当前问，而当前问，则是上文的下文，这与长文本是不一样的理解；涉及的所述提问语句并不是限定会话过程中的第一句；当前问，在多轮会话过程中也是一个相对的说
法，本领域技术人员应当了解，在此不再赘述。
57.s103，将补充得到的语句和原句一起，作为用户问去询问所述智能客服系统；其中，所述原句为未补充的所述当前问。
58.具体地，在本实施例中，所述补充得到的语句的数量为一个或多个，将需要补全的当前问作为所述原句；每句用户问，所述智能客服系统都会给到相应的回复(即使没有正确命中，也会有对应的兜底话术)，并通过选取最高分的策略选择最合适的回答返回出来，即利用智能客服系统对自己的回答都会用一个分数来反应置信度来进行选取。
59.为更好的理解本发明，以一具体实例进行说明。
60.例如，在智能客服领域，很多时候客户询问的信息是和上面对话的上下文有关系。比如1.“意外险有哪些种类”，2.“都保些什么”，3.“重疾险呢？”。首先会先按正常流程在智能客服系统中查询，当正常流程无法正确回复的时候，我们将使用补全上下文信息来再次进行查询。
61.第一句话“意外险有哪些种类”通常的常用标准问(对应标准问“意外险的种类”)功能都可以出话；
62.第二句话“都保些什么”，没有上下文的话就不知道出什么？通过对第一句通过所述智能客服系统自带的常用标准问功能进行抽取，得到标准问“意外险的种类”的句法分析，抽取的内容可以知道，目前上文中实体是“意外险”，属性是“种类”。当前问缺少实体就会被补充为“意外险都保些什么”。当然在实际过程中由于句法分析不是百分百准确的，也有可能产生补充句“都保些什么种类“。但不会影响实际的出话效果。
63.那二句话“都保些什么”(作为原句)，“意外险都保些什么”，“都保些什么种类”都会被拿去问询客服系统。正常情况下“意外险都保些什么“肯定是出分最高的，它的答案就被选为回复答案。并得到第二句的标准问”意外险的承保范围“(“意外险都保些什么”在常用问题系统中会被识别为标准问“意外险的承保范围”)。通过第二句标准问，我们提取到新的属性”承保范围“。
64.第三句话“重疾险呢？”，我们通过句法分析，发现当前问有实体。那么我们就根据策略补充属性。补全为”重疾险呢？承保范围“，这里补充句看着有点不符合常理，但它包含了完整的信息，常见的标准问题识别算法都可以正常识别。
65.从以上描述可以得出，在应用时，在前述方案的基础上，所述方法还包括：对补全后的语句再次进行实体和/或属性抽取；以及转换得到对应的标准问；应用时，若补全后的语句数量为多个，则分别进行抽取，进而丰富上下文所涉及的信息。
66.实施本发明实施例所提供的一种解决智能客服对话上下文的处理方法，通过将会话过程中，用户所产生的语句抽象为对实体与属性的描述，符合智能客服较多短句问询的场景，从而将复杂的自然语言问题进行了合理的简化，并在同一会话下，通过上下文信息来实现对当前问的补全，大幅度提高句子的抽取准确率，进而在不需要运营很多额外工作量的情况下，提升上下文识别的准确率，以便于智能客服系统进行准确的回复。
67.基于相同的发明构思，本发明实施例提供了一种解决智能客服对话上下文的处理装置，如图2所示，该系统包括抽取模块、上下文补充模块和处理模块。
68.所述抽取模块，用于抽取用户端所发送提问语句的实体和属性，并将抽取的内容作为上下文信息。
69.应用时，所述抽取的方式具体包括：
70.基于句法树抽取；
71.通过词库抽取；
72.通过所述智能客服系统自带的常用标准问功能进行抽取。
73.所述上下文补充模块，用于在同一会话下，利用之前根据所述提问语句所抽取到的上下文信息对当前用户所发送的当前问进行补充。
74.具体地，所述对当前用户所发送的当前问进行补充，具体包括：
75.实体的补充；
76.属性的补充；
77.将指示代词用实体替换。
78.所述处理模块，用于将补充得到的语句和原句一起，作为用户问去询问所述智能客服系统；其中，所述原句为未补充的所述当前问。
79.应用时，所述补充得到的语句的数量为一个或多个；通过所述处理模块得到所述用户问时，每句用户问，所述智能客服系统都会给到相应的回复，并通过选取最高分的策略选择最合适的回答返回出来，即利用智能客服系统对自己的回答都会用一个分数来反应置信度来进行选取。
80.需要说明的是，关于处理装置更为具体的工作流程，请参考前述方法实施例部分，在此不再赘述。
81.上述方案的实施，将复杂的自然语言问题进行了合理的简化，并在同一会话下，通过上下文信息来实现对当前问的补全，大幅度提高句子的抽取准确率，进而在不需要运营很多额外工作量的情况下，提升上下文识别的准确率，以便于智能客服系统进行准确的回复。
82.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
83.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
84.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。