面向用户的智能客服方法及其装置、设备、介质与流程

本技术涉及电商，尤其涉及一种面向用户的智能客服方法及其相应的装置、计算机设备、计算机可读存储介质。

背景技术：

1、随着人们的生活质量的不断提高，出现越来越多喜欢线上购物的消费者，这使得需要客服服务的用户量呈现出爆发式增长，为了及时提供客服服务，并且高效的回复用户，开发出了智能客服。

2、传统技术实现的智能客服，通常根据用户的提问文本检索问答知识库，确定出其中的标准提问文本及其对应的标准回复文本，以所述标准回复文本直接回复用户，然而标准回复文本只是针对用户提出的问题进行专业的解答，这种回复极其生硬和机械，无法打动和引起用户的共情，导致无法达到用户的满意度，非常容易让客户感到冷漠和不友好。

3、鉴于传统技术的不足，本技术人长期从事相关领域的研究，为解决电商领域业内难题，故另辟蹊径。

技术实现思路

1、本技术的首要目的在于解决上述问题至少之一而提供一种面向用户的智能客服方法及其相应的装置、计算机设备、计算机可读存储介质。

2、为满足本技术的各个目的，本技术采用如下技术方案：

3、适应本技术的目的之一而提供的一种面向用户的智能客服方法，包括如下步骤：

4、响应用户启用智能客服事件，获取用户的个人信息及历史行为数据，确定出相应的用户画像；

5、响应用户提问事件，获取用户输入的提问文本，确定出预设的问答知识库中与所述提问文本相匹配的标准提问文本，获取所述标准提问文本的标准回复文本；

6、套用预设的指令模板，根据所述用户画像及所述标准回复文本生成相应的约束指令，所述约束指令指示根据所述用户画像对所述标准回复文本进行契合所述用户的人物风格的重新表述；

7、将所述约束指令输入至预设的拟人问答模型，生成面向用户回复。

8、进一步的实施例中，确定出预设的问答知识库中与所述提问文本相匹配的标准提问文本，包括如下步骤：

9、采用预设的文本相似度模型确定出所述提问文本与预设的问答知识库中的每个标准提问文本之间对应的语义相似度；

10、筛选出所述语义相似度超过预设阈值的标准提问文本。

11、进一步的实施例中，获取用户的个人信息及历史行为数据，确定出相应的用户画像之前，包括如下步骤：

12、获取输入历史提问文本的用户的用户画像，以及回复所述历史提问文本而产生的监督回复文本；

13、确定出预设的问答知识库中与所述历史提问文本相匹配的标准提问文本，获取所述标准提问文本的标准回复文本；

14、套用预设的指令模板，根据所述用户画像及所述标准回复文本生成相应的约束指令作为训练样本，以所述监督回复文本作为监督标签；

15、将所述训练样本输入至拟人回复模型，提取出训练样本的深层语义信息，生成预测的面向用户回复；

16、采用所述训练样本的监督标签，确定所述预测的面向用户回复的损失值，在所述损失值未达到预设阈值时，对拟人回复模型实施权重更新，并继续调用其他训练样本实施迭代训练直至拟人回复模型收敛。

17、进一步的实施例中，确定出相应的用户画像，包括如下步骤：

18、根据用户的个人信息及历史行为数据，确定出基本属性标签、偏好属性标签；

19、根据所述用户的基本属性标签及偏好属性标签，构造出相应的用户画像。

20、进一步的实施例中，获取输入历史提问文本的用户的用户画像，以及回复所述历史提问文本而产生的监督回复文本之前，包括如下步骤：

21、获取输入历史提问文本的用户的用户画像，以及回复所述历史提问文本的历史回复文本；

22、确定所述用户画像对应的所述用户的人物风格；

23、将所述历史回复文本输入至预设的风格分类模型，确定出相应的回复风格；

24、当所述回复风格与所述用户风格相匹配而实现契合时，将所述历史回复文本作为监督回复文本。

25、进一步的实施例中，获取输入历史提问文本的用户的用户画像，以及回复所述历史提问文本的历史回复文本之前，包括如下步骤：

26、获取历史提问文本及其对应的历史回复文本，构造出文本数据对；

27、将所述文本数据对输入至预设的回复匹配模型，确定出相应的回复质量；

28、去除所述回复质量低于预设阈值的历史提问文本及其对应的历史回复文本。

29、进一步的实施例中，响应用户提问事件，获取用户输入的提问文本之后，包括如下步骤：

30、响应匹配失败事件，采用预设的意图分类模型确定出所述提问文本的意图是否明确；

31、当所述意图明确时，将所述提问文本发送至人工客服接口；

32、当所述意图不明确时，构造出重新输入通知推送给所述用户。

33、另一方面，适应本技术的目的之一而提供的一种面向用户的智能客服装置，包括客服启用模块、用户提问模块、指令生成模块以及回复生成模块，其中，客服启用模块，用于响应用户启用智能客服事件，获取用户的个人信息及历史行为数据，确定出相应的用户画像；用户提问模块，用于响应用户提问事件，获取用户输入的提问文本，确定出预设的问答知识库中与所述提问文本相匹配的标准提问文本，获取所述标准提问文本的标准回复文本；指令生成模块，用于套用预设的指令模板，根据所述用户画像及所述标准回复文本生成相应的约束指令，所述约束指令指示根据所述用户画像对所述标准回复文本进行契合所述用户的人物风格的重新表述；回复生成模块，用于将所述约束指令输入至预设的拟人问答模型，生成面向用户回复。

34、进一步的实施例中，所述用户提问模块，包括：相似度确定子模块，用于采用预设的文本相似度模型确定出所述提问文本与预设的问答知识库中的每个标准提问文本之间对应的语义相似度；提问文本筛选子模块，用于筛选出所述语义相似度超过预设阈值的标准提问文本。

35、进一步的实施例中，所述用户提问模块之前，包括：第一数据获取子模块，用于获取输入历史提问文本的用户的用户画像，以及回复所述历史提问文本而产生的监督回复文本；确定出预设的问答知识库中与所述历史提问文本相匹配的标准提问文本，获取所述标准提问文本的标准回复文本；样本监督构建子模块，用于套用预设的指令模板，根据所述用户画像及所述标准回复文本生成相应的约束指令作为训练样本，以所述监督回复文本作为监督标签；回复生成子模块，用于将所述训练样本输入至拟人回复模型，提取出训练样本的深层语义信息，生成预测的面向用户回复；迭代训练子模块，用于采用所述训练样本的监督标签，确定所述预测的面向用户回复的损失值，在所述损失值未达到预设阈值时，对拟人回复模型实施权重更新，并继续调用其他训练样本实施迭代训练直至拟人回复模型收敛。

36、进一步的实施例中，所述客服启用模块，包括：标签确定子模块，用于根据用户的个人信息及历史行为数据，确定出基本属性标签、偏好属性标签；画像构造子模块，用于根据所述用户的基本属性标签及偏好属性标签，构造出相应的用户画像。

37、进一步的实施例中，所述数据获取子模块之前，包括：第二数据获取子模块，用于获取输入历史提问文本的用户的用户画像，以及回复所述历史提问文本的历史回复文本；人物风格确定子模块，用于确定所述用户画像对应的所述用户的人物风格；回复风格确定子模块，用于将所述历史回复文本输入至预设的风格分类模型，确定出相应的回复风格；监督确定子模块，用于当所述回复风格与所述用户风格相匹配而实现契合时，将所述历史回复文本作为监督回复文本。

38、进一步的实施例中，所述第二数据获取子模块之前，包括：第三数据获取子模块，用于获取历史提问文本及其对应的历史回复文本，构造出文本数据对；质量确定子模块，用于将所述文本数据对输入至预设的回复匹配模型，确定出相应的回复质量；文本去除子模块，用于去除所述回复质量低于预设阈值的历史提问文本及其对应的历史回复文本。

39、进一步的实施例中，所述用户提问模块之后，包括：意图确定子模块，用于响应匹配失败事件，采用预设的意图分类模型确定出所述提问文本的意图是否明确；意图明确子模块，用于当所述意图明确时，将所述提问文本发送至人工客服接口；意图不明确子模块，用于当所述意图不明确时，构造出重新输入通知推送给所述用户。

40、又一方面，适应本技术的目的之一而提供的一种计算机设备，包括中央处理器和存储器，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行本技术所述的面向用户的智能客服方法的步骤。

41、又一方面，适应本技术的另一目的而提供的一种计算机可读存储介质，其以计算机可读指令的形式存储有依据所述的面向用户的智能客服方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行该方法所包括的步骤。

42、本技术的技术方案存在多方面优势，包括但不限于如下各方面：

43、本技术通过响应用户启用智能客服事件，获取用户的个人信息及历史行为数据，确定出相应的用户画像，响应用户提问事件，获取用户输入的提问文本，确定出预设的问答知识库中与该提问文本相匹配的标准提问文本，获取标准提问文本的标准回复文本，套用预设的指令模板，根据用户画像及标准回复文本生成相应的约束指令，所述约束指令指示根据用户画像对标准回复文本进行契合用户的人物风格的重新表述，将约束指令输入至预设的拟人问答模型，生成面向用户回复。可见，通过用户的用户画像来了解用户，在维持标准回复文本的专业解答能力基础上，改善标准回复文本的表述至能够契合用户的人物风格再进行回复，使得智能客服更具真实感，让用户体验到类似与一个懂自己的真人沟通的感受，大大提升用户满意度，增加用户粘性。